Spike Timing-Dependent Plasticity and Random Inputs Shape Interspike Interval Regularity of Model STN Neurons
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background/Objectives: Neuronal oscillations play a key role in the symptoms of Parkinson’s disease (PD). This study investigates the effects of random synaptic inputs, their correlations, and the interaction with synaptic dynamics and spike timing-dependent plasticity (STDP) on the membrane potential and firing patterns of subthalamic nucleus (STN) neurons, both in healthy and PD-affected states. Methods: We used a modified Hodgkin–Huxley model with a Langevin stochastic framework to study how synaptic conductance, random input fluctuations, and STDP affect STN neuron firing and membrane potential, including sensitivity to refractory period and synaptic depression variability. Results: Our results show that random inputs significantly affect the firing patterns of STN neurons, both in healthy cells and those with PD under DBS treatment. STDP, along with random refractory periods and fluctuating input currents, increases the irregularity of inter-spike intervals (ISIs) in output neuron spike trains. Sensitivity analyses highlight the key role of synaptic depression and refractory period variability in shaping firing patterns. Combining random inputs with STDP boosts the correlation between neuron activities. Furthermore, at fixed input noise levels, the model’s output closely matches experimental firing rate and ISI variability data from PD patients and animals, with statistical tests confirming significant effects of STDP on firing regularity. Conclusions: The findings suggest that the stochastic dynamics of STN neurons, combined with STDP, are crucial for shaping neuronal firing patterns in both healthy and PD-affected states. These insights improve our understanding of how noise and plasticity contribute to neural function and dysfunction, with implications for PD symptom management.
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.
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 découle