MétaCan
Menu
Retour à la cohorte
Enregistrement W2056701849 · doi:10.3791/51795

Production and Isolation of Axons from Sensory Neurons for Biochemical Analysis Using Porous Filters

2014· article· en· W2056701849 sur OpenAlexafffund
Nicolás Unsain, Kristen N. Heard, Julia M. Higgins, Philip Barker

Notice bibliographique

RevueJournal of Visualized Experiments · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNerve injury and regeneration
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésNeuroscienceBiologyDorsal root ganglionWallerian degenerationNervous systemAxonSensory systemSoma

Résumé

récupéré en direct d'OpenAlex

Neuronal axons use specific mechanisms to mediate extension, maintain integrity, and induce degeneration. An appropriate balance of these events is required to shape functional neuronal circuits. The protocol described here explains how to use cell culture inserts bearing a porous membrane (filter) to obtain large amounts of pure axonal preparations suitable for examination by conventional biochemical or immunocytochemical techniques. The functionality of these filter inserts will be demonstrated with models of developmental pruning and Wallerian degeneration, using explants of embryonic dorsal root ganglion. Axonal integrity and function is compromised in a wide variety of neurodegenerative pathologies. Indeed, it is now clear that axonal dysfunction appears much earlier in the course of the disease than neuronal soma loss in several neurodegenerative diseases, indicating that axonal-specific processes are primarily targeted in these disorders. By obtaining pure axonal samples for analysis by molecular and biochemical techniques, this technique has the potential to shed new light into mechanisms regulating the physiology and pathophysiology of axons. This in turn will have an impact in our understanding of the processes that drive degenerative diseases of the nervous 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,417
Écart entre enseignants0,346 · 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 tête enseignante, 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

Citations21
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetNerve injury and regenerationTravaux en français237 207