A serotonergic recurrent inhibitory network filters threat information over behavioral timescales
Notice bibliographique
Résumé
*The habenulo-raphe pathway is implicated in orchestrating optimal behavioral responses to aversive, threatening or stressful environments. Here, we consider how long-range inputs from lateral habenula (LHb) influence circuit dynamics in the dorsal raphe nucleus (DRN). We find that habenulo-raphe afferents triggered classical monosynaptic excitation of 5-HT neurons, as well as strong disynaptic inhibition whose induction was steeply frequency-dependent and which persisted for seconds. This novel inhibition was mediated by a GIRK conductance activated by 5-HT1A receptors. Optogenetic and pharmacological manipulations in DRN revealed, unexpectedly, that 5-HT neurons are organized in a recurrent inhibitory network, refuting the classical model of autocrine activation of 5-HT1A autoreceptors. Electrical stimulation approaches revealed that these inhibitory connections exhibited robust, dramatic short-term facilitation that we formalized with a linear-nonlinear plasticity model. Using experimentally-constrained network models, we found that excitatory inputs led to paradoxical serotonergic inhibition at high frequencies, and this polarity switch was dependent on plasticity dynamics and not on recurrent inhibition itself. To test the physiological relevance of this computation for processing threat information from the LHb, we developed a simple auditory classical conditioning paradigm and tested key predictions of our model through in vivo optogenetics. Notably, stimulating the habenulo-raphe pathway at high frequencies, but not at low frequencies, depressed goal-directed anticipatory licking behavior. We suggest that the computation sustained by this circuit motif categorizes synaptic inputs to implement optimal adaption of behavioural policies in threatening environments.
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 | 0,000 |
| 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) | 0,001 | 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 ».