Hippocampal phase precession may be generated by chimera dynamics
Notice bibliographique
Résumé
The 8 Hz theta rhythm observed in hippocampal local field potentials of animals can be regarded as a "clock" that regulates the timing of spikes. While different interneuron sub-types synchronously phase lock to different phases for every theta cycle, the phase of pyramidal neurons' spikes asynchronously vary in each theta cycle, depending on the animal's position. On the other hand, pyramidal neurons tend to fire slightly faster than the theta oscillation in what is termed hippocampal phase precession. Chimera states are specific solutions to dynamical systems where synchrony and asynchrony coexist, similar to coexistence of phase precessing and phase locked cells during the hippocampal theta oscillation. Here, we test the hypothesis that the hippocampal phase precession emerges from chimera dynamics with computational modeling. We utilized multiple network topologies and sizes of Kuramoto oscillator networks that are known to collectively display chimera dynamics. We found that by changing the oscillators' intrinsic frequency, the frequency ratio between the synchronized and unsynchronized oscillators can match the frequency ratio between the hippocampal theta oscillation (≈ 8 Hz) and phase precessing pyramidal neurons (≈ 9 Hz). The faster firing population of oscillators also displays theta-sequence-like behavior and phase precession. Finally, we trained networks of spiking integrate-and-fire neurons to output a chimera state by using the Kuramoto-chimera system as a dynamical supervisor. We found that the firing times of subsets of individual neurons display phase precession.
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 | 0,001 |
| 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 ».