Positron Emission Tomography Imaging of Fibrillar Parenchymal and Vascular Amyloid-β in TgCRND8 Mice
Notice bibliographique
Résumé
Few quantitative diagnostic and monitoring, tools are available to clinicians treating patients with Alzheimer's disease. Further, many of the promising quantitative imaging tools under development lack clear specificity toward different types of Amyloid-β (Aβ) pathology such as vascular or oligomeric species. Antibodies offer an opportunity to image specific types of Aβ pathology because of their excellent specificity. In this study, we developed a method to translate a panel of anti-Aβ antibodies, which show excellent histological performance, into live animal imaging contrast agents. In the TgCRND8 mouse model of Alzheimer's disease, we tested two antibodies, M64 and M116, that target parenchyma aggregated Aβ plaques and one antibody, M31, that targets vascular Aβ. All three antibodies were administered intravenously after labeling with both poly(ethylene glycol) to enhance circulation and (64)Cu to allow detection via positron emission tomography (PET) imaging. We were clearly able to differentiate TgCRND8 mice from wild type controls by PET imaging using either M116, the anti-Aβ antibody targeting parenchymal Aβ or M31, the antivascular Aβ antibody. To confirm the validity of the noninvasive imaging of specific Aβ pathology, brains were examined after imaging and showed clear evidence of binding to Aβ plaques.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».