A Graded Forceps Crush Spinal Cord Injury Model in Mice
Notice bibliographique
Résumé
Given the rising availability and use of genetically modified animals in basic science research, it has become increasingly important to develop clinically relevant models for spinal cord injury (SCI) for use in mice. We developed a graded forceps crush model of SCI in mice that uses three different forceps with spacers of 0.25, 0.4, and 0.55 mm, to produce severe, moderate, and mild injuries, respectively. Briefly, each mouse was subjected to laminectomy of T5-T7, 15-second spinal cord crush using one of those forceps, behavioral assessments, and post-mortem neuroanatomical analyses. There were significant differences among the three injury severity groups on behavioral measures (Basso Mouse Score, footprint, and ladder analyses), demonstrating an increase in neurological deficits for groups with greater injury severity. Quantitative analysis of the lesion demonstrated that as injury severity increased, lesion size and GFAP negative area increased, and spared tissue, spinal cord cross-sectional area, spared grey matter and spared white matter decreased. These measures strongly correlated with the behavioral outcomes. Similar to other studies of SCI in mice, we report a dense laminin and fibronectin positive extracellular matrix in the lesion sites of injured mice, but unlike those previous studies, we also report the presence of numerous p75 positive Schwann cells in and around the lesion epicenter. These results provide evidence that the graded forceps crush model is an attractive alternative for the study of SCI and related therapeutic interventions. Because of its demonstrated consistency, ease of use, low cost, and clinical relevance, this graded forceps crush is an attractive alternative to the other mouse models of SCI currently available.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».