Valence-dependent contribution by the basolateral amygdala to active but not inhibitory avoidance and reward-seeking
Notice bibliographique
Résumé
The basolateral amygdala (BLA) is integral for promoting instrumental actions to avoid aversive events, and also contributes to certain aspects of reward-seeking. However, this sometimes requires discriminating between stimuli to ascertain whether it is more appropriate to initiate or suppress actions to obtain these goals. The present study examined BLA involvement in different avoidance strategies in male and female rats well-trained on different lever-press avoidance and reward-seeking tasks. Active/inhibitory avoidance required discrimination between tones presented pseudorandomly in a session that signaled shocks could be avoided by making or withholding a press on a lever inserted coincidentally with tone presentation. BLA inactivation (via infusion of GABA agonists) reduced active avoidance while slightly enhancing inhibitory avoidance in the same session. Similarly, on a dual-cued appetitive go/no-go task, BLA inactivation also impaired active, but not inhibitory reward-seeking. These treatments also disrupted performance in rats trained on a simpler, single-cue active avoidance task with no inhibitory component. However, rats trained on a single-cue reward task were impervious to the effects of BLA inactivation. Few sex differences were observed. These data reveal a fundamental contribution by the BLA in promoting actions to avoid punishments or secure rewards when an actor must discriminate between different stimuli to ascertain whether actions should be made or withheld, and may attenuate inhibitory avoidance when active strategies are sometimes required. Yet, under more rudimentary conditions where a single stimulus provokes actions, the valence of the pursued goal biases BLA involvement, as it remains critical for instrumental avoidance, but not reward-seeking.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».