A data-driven biophysical network model reproduces C. elegans premotor neural dynamics
Notice bibliographique
Résumé
C. elegans locomotion is composed of switches between forward and reversal states punctuated by turns. This locomotory capability is necessary for the nematode to move towards attractive stimuli, escape noxious chemicals, and explore its environment. Although experimentalists have identified a number of premotor neurons as drivers of forward and reverse motion, how these neurons work together to produce the behaviors observed remains to be understood. Towards a better understanding of C. elegans neurodynamics, we present in this paper a minimally parameterized, biophysical dynamical systems model of the premotor network. Our model consists of a recurrently connected collection of premotor neurons (the core group) driven by over a hundred sensory and interneurons that provide diverse feedforward inputs to the core group. It is data-driven in the sense that the choice of neurons in the core group follows experimental guidance, anatomical structures are dictated by the connectome, and physiological parameters are deduced from whole-brain imaging and voltage clamps data. When simulated with realistic input signals, our model produces premotor activity that closely resembles experimental data: from the seemingly random switching between forward and reversal behaviors to the synchronization of subnetworks to various higher-order statistics. We posit that different roles are played by gap junctions and synaptic connections in switching dynamics. The model correctly predicts behavior such as dwelling versus roaming as a result of the synaptic inputs received, and we demonstrate that it can be used to study how the activity level of certain individual neurons impacts behavior.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».