Muscle bioenergetics of speeding fish: In vivo <sup>31</sup>P‐NMR studies in a 4.7 T MR scanner with an integrated swim tunnel
Notice bibliographique
Résumé
Abstract Energetic studies on exercising animals are usually limited to oxygen consumption measurements in respirometers followed by invasive tissue sampling and analysis of metabolites. Noninvasive studies of exercising animals like through the use of 31 P NMR are typically restricted to “stop and go” measurements. Furthermore, magnetic resonance studies of marine animals are hampered by sea water, a highly electric conductive and dielectric medium, resulting in heavy loading and strong RF loss. In this work, we present a set‐up for online determination of muscle bioenergetics in swimming marine fish, Atlantic cod (Gadus morhua), using in vivo 31 P NMR spectroscopy, which overcome these limitations. Special hardware and RF coils were developed for this purpose. A birdcage resonator adapted to high loadings was used for signal excitation. An insulated inductive coil (2 cm diameter) was fixed onto the surface of the fish tail and placed opposite a watertight, passively decoupled 9 × 6 cm 2 elliptic and curved surface coil for signal recordings. This arrangement led to enhanced penetration of the RF signal and an almost 10‐fold increase in S/N ratio compared to the exclusive use of the elliptic surface coil. Monitoring of tail beat allowed to set trigger values resulted in an improved quality of in vivo 31 P NMR spectra of swimming fish. We report the first successful NMR experiments recording simultaneously tissue energetic and acid–base parameters on swimming cod depending on tail beat frequency and amplitude to determine critical swimming speeds. © 2008 Wiley Periodicals, Inc. Concepts Magn Reson Part B (Magn Reson Engineering) 33B: 62–73, 2008
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».