Neocortical neurogenesis: a proneural gene perspective
Notice bibliographique
Résumé
The neocortex, which is the site of higher-order cognitive functioning, is comprised of two main neuronal types: excitatory (E) and inhibitory (I). Neurodevelopmental disorders that disrupt the balance of E:I neurotransmission predispose individuals to atypical brain function, highlighting the importance of generating the correct numbers of each neuronal type. During development, neurons with E and I neurotransmission profiles are primarily generated from neural stem and progenitor cells (NPCs), located in the dorsal and ventral telencephalon, respectively. To ensure that correct numbers of each neuronal type are generated, NPC differentiation dynamics vary depending on positional and temporal information and host species. Despite variations in NPC differentiation kinetics and outcomes, proneural genes encoding basic helix-loop-helix (bHLH) transcription factors (TFs) have remained constant as the core drivers of neurogenesis and neuronal subtype specification from fly to human. This high degree of functional conservation raises the question of how proneural TF activity is regulated to control precise neurogenic patterns. In the neocortex, the proneural genes neurogenin 1 (Neurog1) and Neurog2 specify an excitatory neuronal identity in dorsal telencephalic NPCs, whereas achaete-scute family bHLH transcription factor 1 (Ascl1) specifies an inhibitory neurotransmission fate in ventral NPCs, generating interneurons that then migrate tangentially to enter the neocortex. Here, we review our current knowledge of how Neurog1/Neurog2 and Ascl1 functions are regulated to ensure that E:I balance is ultimately achieved in the lissencephalic murine cortex and in gyrencephalic species. Together, these studies point to emergent and conserved features of proneural gene regulation and function across evolutionary time.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».