Incorporating buccal mass planar mechanics and anatomical features improves neuromechanical modeling of Aplysia feeding behavior
Notice bibliographique
Résumé
To understand how behaviors arise in animals, it is necessary to investigate both the neural circuits and the biomechanics of the periphery. A tractable model system for studying multifunctional control is the feeding apparatus of the marine mollusk Aplysia californica. Previous in silico and in roboto models have investigated how the nervous and muscular systems interact in this system. However, these models are still limited in their ability to match in vivo data both qualitatively and quantitatively. We introduce a new neuromechanical model of Aplysia feeding that combines a modified version of a previously developed neural model with a novel biomechanical model that better reflects the anatomy and kinematics of Aplysia feeding. The model was calibrated using a combination of previously measured biomechanical parameters and hand-tuning to behavioral data. Using this model, simulated feeding experiments were conducted, and the resulting behavioral metrics were compared to animal data. The model successfully produces three key behaviors seen in Aplysia and demonstrates a good quantitative agreement with biting and swallowing behaviors. Additional work is needed to match rejection behavior quantitatively and to reflect qualitative observations related to the relative contributions of two key muscles, the hinge and I3. Future improvements will focus on incorporating the effects of deformable 3D structures in the simulated buccal mass.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».