The role of neural precursor cells and self assembling peptides in nerve regeneration
Notice bibliographique
Résumé
OBJECTIVE: Cranial nerve injury involves loss of central neural cells in the brain stem and surrounding support matrix, leading to severe functional impairment. Therapeutically targeting cellular replacement and enhancing structural support may promote neural regeneration. We examined the combinatorial effect of neural precursor cells (NPC) and self assembling peptide (SAP) administration on nerve regeneration. METHODS: Nerve injury was induced by clip compression of the rodent spinal cord. SAPs were injected immediately into the injured cord and NPCs at 2 weeks post-injury. Behavioral analysis was done weekly and rats were sacrificed at 11 weeks post injury. LFB-H&E staining was done on cord tissue to assess cavitation volume. Motor evoked potentials (MEP) were measured at week 11 to assess nerve conduction and Kaplan Meier curves were created to compare survival estimates. RESULTS: NPCs and SAPs were distributed both caudal and rostral to the injury site. Behavioral analysis showed that SAP + NPC transplantation significantly improved locomotor score p <0.03) and enhanced survival (log rank test, p = 0.008) compared to control. SAP + NPC treatment also improved nerve conduction velocity (p = 0.008) but did not affect cavitation volume (p = 0.73). CONCLUSION: Combinatorial NPC and SAP injection into injured nerve tissue may enhance neural repair and regeneration.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».