The History and Design of Assays for the Identification and Characterization of Neural Stem Cells
Notice bibliographique
Résumé
For the better part of the last century it was firmly believed that the adult mammalian central nervous system did not have the capability to generate new cells after injury or disease. This was commonly referred to as the “no new neuron” dogma and was originally credited to the highly influential neurobiologist Santiago Ramon Cajal. Based on the evidence he had at that time, which was limited by the available methods and technology, he concluded that new neurons were not generated once CNS development had ended in adult mammals. This dogma was challenged in the early 1990s based on the introduction of new methodologies to label dividing cells in the CNS, the firm establishment of new cell genesis in non-mammalian species and the discovery of a bona fide stem cell in the mature mammalian brain. Isolation of a cell from the brain of adult mice that exhibited extensive proliferation and multi-lineage differentiation potential established the existence of a neural stem cell and raised the possibility that the mature mammalian CNS have the ability to repair itself. The method is referred to as the Neurosphere Assay (NSA) and has become a standard methodology for isolating stem cells from the developing and mature central nervous system of mammals. While this assay has been well accepted, and is widely used, it is not without its shortcomings and new assays have been developed to address these. Within this article we will highlight the pros and cons of the NSA and detail the methodologies.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».