Long‐term changes in neurotrophic factor expression in distal nerve stump following denervation and reinnervation with motor or sensory nerve
Notice bibliographique
Résumé
Several factors have been proposed to account for poor motor recovery after prolonged denervation, including motor neuron cell death and incomplete or poor regeneration of motor fibers into the muscle. Both may result from failure of the muscle and the distal motor nerve stump to continue expression of neurotrophic factors following delayed muscle reinnervation. This study investigated whether regenerating motor or sensory axons modulate distal nerve neurotrophic factor expression. We found that transected distal tibial nerve up-regulated brain-derived neurotrophic factor (BDNF) and glial cell line-derived neurotrophic factor (GDNF) mRNA, down-regulated neurotrophin-3 and ciliary neurotrophic factor mRNA, and that although these levels returned to normal with regeneration, the chronically denervated distal nerve stump continued to express these neurotrophic factors for at least 6 months following injury. A sensory nerve (the cutaneous saphenous nerve) sutured to distal tibial nerve lowered injury-induced BDNF and GDNF mRNA levels in distal stump, but repair with a mixed nerve (peroneal, containing muscle and cutaneous axons) was more effective. Repair with sensory or mixed nerves did not affect nerve growth factor or neurotrophin-3 expression. Thus, distal nerve contributed to a neurotrophic environment for nerve regeneration for at least 6 months, and sensory nerve repair helped normalize distal nerve neurotrophic factor mRNA expression following denervation. Furthermore, as BDNF and GDNF levels in distal stump increased following denervation and returned to control levels following reinnervation, their levels serve as markers for the status of regeneration by either motor or sensory nerve.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».