Simultaneous Brain–Cervical Cord fMRI Reveals Intrinsic Spinal Cord Plasticity during Motor Sequence Learning
Notice bibliographique
Résumé
The spinal cord participates in the execution of skilled movements by translating high-level cerebral motor representations into musculotopic commands. Yet, the extent to which motor skill acquisition relies on intrinsic spinal cord processes remains unknown. To date, attempts to address this question were limited by difficulties in separating spinal local effects from supraspinal influences through traditional electrophysiological and neuroimaging methods. Here, for the first time, we provide evidence for local learning-induced plasticity in intact human spinal cord through simultaneous functional magnetic resonance imaging of the brain and spinal cord during motor sequence learning. Specifically, we show learning-related modulation of activity in the C6-C8 spinal region, which is independent from that of related supraspinal sensorimotor structures. Moreover, a brain-spinal cord functional connectivity analysis demonstrates that the initial linear relationship between the spinal cord and sensorimotor cortex gradually fades away over the course of motor sequence learning, while the connectivity between spinal activity and cerebellum gains strength. These data suggest that the spinal cord not only constitutes an active functional component of the human motor learning network but also contributes distinctively from the brain to the learning process. The present findings open new avenues for rehabilitation of patients with spinal cord injuries, as they demonstrate that this part of the central nervous system is much more plastic than assumed before. Yet, the neurophysiological mechanisms underlying this intrinsic functional plasticity in the spinal cord warrant further investigations.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».