Spike Timing-Dependent Plasticity and Random Inputs Shape Interspike Interval Regularity of Model STN Neurons
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».