MétaCan
Menu
Retour à la cohorte
Enregistrement W1979104282 · doi:10.1097/00004647-200209000-00011

<i>In Vivo</i> Receptor Assay with Multiple Ligand Concentrations: An Equilibrium Approach

2002· article· en· W1979104282 sur OpenAlexaff
James E. Holden, Salma Jivan, Thomas J. Ruth, Doris J. Doudet

Notice bibliographique

RevueJournal of Cerebral Blood Flow & Metabolism · 2002
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReceptor Mechanisms and Signaling
Établissements canadiensUniversity of British ColumbiaTRIUMF
Organismes subventionnairesnon disponible
Mots-clésLigand (biochemistry)RacloprideChemistryReceptorIn vivoBiophysicsDopamine receptor D2BiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

The ligand-receptor binding potential determined by PET studies at high ligand-specific radioactivity reflects both the receptor density and ligand-receptor affinity. This ambiguity has been resolved by various methods based on the administration of multiple unlabeled ligand concentrations. The authors aimed to implement and refine an approach to multiple ligand concentration receptor assay that combined maximum simplicity and a minimum of assumptions and model dependence that would nonetheless reliably distinguish density from affinity effects. The approach uses administration by bolus followed by infusion to obtain a true equilibrium between bound ligand and the other components of the ligand concentration, and does not require measurements of ligand in blood plasma. Four approaches to the optimization of the desired density and affinity parameters from the measured equilibrium data were implemented and compared in the analysis of raclopride studies performed in both normal control and MPTP-lesioned nonhuman primates. The authors conclude that the method is simple enough for routine use and yet reliable enough to apply in ongoing studies of both chronic and acute drug effects in the dopamine system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cerebral Blood Flow & MetabolismMême sujetReceptor Mechanisms and SignalingTravaux en français237 207