Delta relaxation enhanced MR: Improving activation‐specificity of molecular probes through <i>R</i><sub><i>1</i></sub> dispersion imaging
Notice bibliographique
Résumé
MR molecular imaging enables high-resolution, in vivo study of molecular processes frequently utilizing gadolinium-based probes that specifically bind to a particular biological molecule or tissue. While some MR probes are inactive when unbound and produce enhancement only after binding, the majority are less specific and cause enhancement in either state. Accumulation processes are then required to increase probe concentration in regions of the target molecule/tissue. Herein, a method is described for creating specificity for traditionally nonspecific probes. This method utilizes MR field-cycling methods to produce MRI contrast related to the dependence of R(1) upon magnetic field. It is shown that the partial derivative of R(1) with respect to magnetic field strength, R(1)', can be used as an unambiguous measure of probe binding. T(1)-weighted images and R(1)' images were produced for samples of albumin and buffer both enhanced with the albumin-binding agent Vasovist. For T(1) images, samples with low concentrations of Vasovist in an albumin solution could not be differentiated from samples with higher concentrations of Vasovist in buffer. Conversely, the R(1)' images showed high specificity to albumin. Albumin samples with a 10-microM concentration of Vasovist were enhanced over buffer samples containing up to 16 times more Vasovist.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».