Three‐dimensional mapping of the creatine kinase enzyme reaction rate in muscles of the lower leg
Notice bibliographique
Résumé
Phosphorus ((31) P) magnetization transfer (MT) techniques enable the non-invasive measurement of metabolic turnover rates of important enzyme-catalyzed reactions, such as the creatine kinase reaction (CK), a major transducing reaction involving adenosine triphosphate and phosphocreatine. Alteration in the kinetics of the CK reaction rate appears to play a central role in many disease states. In this study, we developed and implemented at ultra-high field (7T) a novel three-dimensional (31) P-MT imaging sequence that maps the kinetics of CK in the entire volume of the lower leg at relatively high resolution (0.52 mL voxel size), and within acquisition times that can be tolerated by patients (below 60 min). We tested the sequence on five healthy and two clinically diagnosed type 2 diabetic subjects. Overall, we obtained measurements that are in close agreement with measurements reported previously using spectroscopic methods. Importantly, our spatially resolved method allowed us to measure local CK reaction rate constants and metabolic fluxes in individual muscles in a non-invasive manner. Furthermore, it allowed us to detect variations of the CK rates of different muscles, which would not have been possible using unlocalized MRS methods. The results of this work suggest that 3D mapping of the CK reaction rates and metabolic fluxes can be achieved in the skeletal muscle in vivo at relatively high spatial resolution and with acquisition times well tolerated by patients. The ability to measure bioenergetics simultaneously in large areas of muscles will bring new insights into possible heterogeneous patterns of muscle metabolism associated with several diseases and serve as a valuable tool for monitoring the efficacy of interventions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».