Anatomical phenotyping in the brain and skull of a mutant mouse by magnetic resonance imaging and computed tomography
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
Since genetically modified mice have become more common in biomedical research as models of human disease, a need has also grown for efficient and quantitative methods to assess mouse phenotype. One powerful means of phenotyping is characterization of anatomy in mutant vs. normal populations. Anatomical phenotyping requires visualization of structures in situ, quantification of complex shape differences between mouse populations, and detection of subtle or diffuse abnormalities during high-throughput survey work. These aims can be achieved with imaging techniques adapted from clinical radiology, such as magnetic resonance imaging and computed tomography. These imaging technologies provide an excellent nondestructive method for visualization of anatomy in live individuals or specimens. The computer-based analysis of these images then allows thorough anatomical characterizations. We present an automated method for analyzing multiple-image data sets. This method uses image registration to identify corresponding anatomy between control and mutant groups. Within- and between-group shape differences are used to map regions of significantly differing anatomy. These regions are highlighted and represented quantitatively by displacements and volume changes. This methodology is demonstrated for a partially characterized mouse mutation generated by N-ethyl-N-nitrosourea mutagenesis that is a putative model of the human syndrome oculodentodigital dysplasia, caused by point mutations in the gene encoding connexin 43.
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