Positron Emission Tomography Imaging of Fibrillar Parenchymal and Vascular Amyloid-β in TgCRND8 Mice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle