Pontine Functional Connectivity Gradients
Notice bibliographique
Résumé
The cerebellum contributes to a wide range of motor and non-motor functions through its extensive connections with much of the cerebral cortex. The pons plays a key role in these connections. It receives inputs from much of the cerebral cortex, and in turn projects to cerebellar cortex. The anatomical organization of corticopontine and pontocerebellar connectivity has been well described, but the functional organization of the pons in humans remains poorly understood. In particular, it is unclear how inputs from different areas are integrated or segregated within it. We sought to characterize the functional organization of the pons based on its functional connectivity with the cerebral and cerebellar cortices. To this end, we used diffusion map embedding, a non-linear dimensionality reduction technique, to reconstruct gradients that reflect the dominant patterns of pontine functional connectivity. Our results reveal a primary gradient in the pons that is organized along rostrocaudal and mediolateral axes. We found that inputs from higher-order cognitive areas of the cerebral cortex converge on rostral and medial pons, whereas inputs from sensorimotor areas converge on the caudal and lateral pons. The organization of this gradient mirrors the unimodal-to-transmodal gradient previously described in the cerebral and cerebellar cortices. The observed patterns align with findings from invasive tract-tracing in non-human animals and extend them to demonstrate that pontine functional organization can be characterized by a complex pattern of segregation and integration. These findings highlight that, rather than serving as a simple relay, the pons may function as an integrative hub within the cortico-ponto-cerebellar pathway.
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 ».