Using Multi-Compartment Ensemble Modeling as an Investigative Tool of Spatially Distributed Biophysical Balances: Application to Hippocampal Oriens-Lacunosum/Moleculare (O-LM) Cellns
Notice bibliographique
Résumé
Multi-compartmental models of neurons provide insight into the complex, integrative properties of dendrites. Because it is not feasible to experimentally determine the exact density and kinetics of each channel type in every neuronal compartment, an essential goal in developing models is to help characterize these properties. To address biological variability inherent in a given neuronal type, there has been a shift away from using hand-tuned models towards using ensembles or populations of models. In collectively capturing a neuron’s output, ensemble modeling approaches uncover important conductance balances that control neuronal dynamics. However, conductances are never entirely known for a given neuron class in terms of its types, densities, kinetics and distributions. Thus, any multi-compartment model will always be incomplete. In this work, our main goal is to use ensemble modeling as an investigative tool of a neuron’s biophysical balances, where the cycling between experiment and model is a design criterion from the start. We consider orienslacunosum/ moleculare (O-LM) interneurons, a prominent interneuron subtype that plays an essential gating role of information flow in hippocampus. O-LM cells express the hyperpolarization-activated current (Ih). Although dendritic Ih could have a major influence on the integrative properties of O-LM cells, the compartmental distribution of Ih on O-LM dendrites is not known. Using a high-performance computing cluster, we generated a database of models that included those with or without dendritic Ih. A range of conductance values for nine different conductance types were used, and different morphologies explored. Models were quantified and ranked based on minimal error compared to a dataset of OLM cell electrophysiological properties. Co-regulatory balances between conductances were revealed, two of which were dependent on the presence of dendritic Ih. These findings inform future experiments that differentiate between somatic and dendritic Ih, thereby continuing a cycle between model and experiment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».