Whole-brain optical imaging in zebrafish larvae to investigate neural circuit development and connectivity
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
To learn more on the factors that govern the development of neural circuits, both in structural and functional terms, we use whole brain two-photon imaging on larval zebrafish that express a pan-neuronal genetically-encoded calcium indicator GCaMP6s. Using a resonant scanner and piezo driven objective, we record neural activity (GCaMP6 fluorescence) from up to ~50% of the whole neuronal population (~100,000 neurons), while simultaneously conveying visual stimulation using a screen oriented towards the head-restrained larva in agarose. This experimental paradigm leverages the early-developing visual system of the zebrafish to evoke reproducible neuronal responses and behavioral outputs across individuals. Abrupt changes in illumination induce navigational tail movements, which are monitored using a high-speed camera to identify distinct behavioral modules and their neural correlates. By varying the temporal properties of visual stimuli, we also probe the neural mechanisms of habituation and anticipation. Using graph theory, functional networks are generated from spontaneous brain activity recordings, which are then paired with the zebrafish structural connectome (Kunst et al., Neuron, 2019) in order to gain fundamental insight on the interaction between structure and function in vertebrate brain networks. Our dual spontaneous/stimulus-evoked experimental framework will be used to compare fish across different developing conditions, namely germ-free fish, to observe the impact of gut microbiota on brain connectivity, sensorimotor integration and behavior.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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