Denervation alters mRNA levels of repair-associated genes in a rabbit medial collateral ligament injury model
Notice bibliographique
Résumé
Previous experiments revealed that denervation impairs healing of the MCL. This suggested the hypothesis that denervation would decrease repair-associated mRNA levels in the injured MCL when compared with normally innervated injured MCL. Adult, skeletally mature female rabbits were assigned to one of four groups: unoperated control, femoral nerve transection alone (denervated controls), MCL partial tear or denervated MCL partial tear. At three days, two weeks, six weeks or sixteen weeks post-surgery, cohorts of 6 rabbits from each experimental group were killed. Ligaments were harvested, RNA extracted and RT-PCR was performed using rabbitspecific primers. In the denervated injury group, mRNA levels for the angiogenesis-associated gene MMP-13, matrix components Collagen I and III, growth factor TGF-beta and angiogenesis inhibitors TIMP-3, and TSP-1 had all increased by two-weeks post-injury, in comparison to the non-denervated injury group (p < or = 0.01). An increased level of TSP-1 mRNA was also detected in the denervated injured group at sixteen weeks post injury (p < or = 0.01). Contrary to the initial hypothesis, denervation led to increased mRNA levels for many relevant molecules during the early stages of MCL healing. Thus, inappropriate timing of over-expression of some molecules may potentially contribute to the decreased quality of the scar tissue, particularly molecules such as TSP-1. Neuronal derived factors strongly influence the in vivo metabolic activity of ligament and scar fibroblasts in the initial phases of healing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».