Expression cellulaire des différents types de récepteurs cholinergiques dans le cortex visuel primaire de la souris
Bibliographic record
Abstract
L’acétylcholine est un neuromodulateur-clé du cortex cérébral, responsable de l’attention, la mémoire, la vigilance et l’apprentissage. Son action sur le cortex visuel permet l’amélioration du ratio signal/bruit, la sélectivité d’orientation et l’ajustement fin des circuits neuronaux. Le système cholinergique agit à travers des récepteurs nicotiniques et muscariniques qui présentent une grande diversité de sous-types ayant des actions différentes sous-tendant des fonctions différentes qui restent à définir dans le cortex visuel primaire. L’objectif principal de notre étude est de développer nos connaissances sur les sous-types des récepteurs cholinergiques et leur relation avec les cellules excitatrices et inhibitrices à travers des six couches de V1 afin de pouvoir bonifier le fonctionnement du cortex visuel primaire par le système cholinergique. La tendance qui ressort de ces résultats est une distribution majoritaire des récepteurs nicotiniques dans les couches supragranulaires sur les cellules excitatrices et les muscariniques dans les couches infragranulaires sur les cellules inhibitrices. Les résultats suggèrent en particulier une analyse plus poussée de l’expression du récepteur muscarinique m2 mAChR sur les fibres et cellules GABAergiques et glutamatergiques La compréhension de la distribution et fonction de m2 mAChR peut aider dans la recherche de stratégies thérapeutiques pour les maladies présentant un déficit cholinergique et/ou visuel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".