MétaCan
Menu
Retour à la cohorte
Enregistrement W2171874967 · doi:10.1152/physiolgenomics.00093.2012

If the skull fits: magnetic resonance imaging and microcomputed tomography for combined analysis of brain and skull phenotypes in the mouse

2012· article· en· W2171874967 sur OpenAlexaff
Brian J. Nieman, Marissa C. Blank, Brian B. Roman, R. Mark Henkelman, Kathleen J. Millen

Notice bibliographique

RevuePhysiological Genomics · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of General Medical Sciences
Mots-clésSkullPhenotypeBiologyMagnetic resonance imagingNeuroimagingNeuroscienceAnatomyRadiologyMedicineGeneticsGene

Résumé

récupéré en direct d'OpenAlex

The mammalian brain and skull develop concurrently in a coordinated manner, consistently producing a brain and skull that fit tightly together. It is common that abnormalities in one are associated with related abnormalities in the other. However, this is not always the case. A complete characterization of the relationship between brain and skull phenotypes is necessary to understand the mechanisms that cause them to be coordinated or divergent and to provide perspective on the potential diagnostic or prognostic significance of brain and skull phenotypes. We demonstrate the combined use of magnetic resonance imaging and microcomputed tomography for analysis of brain and skull phenotypes in the mouse. Co-registration of brain and skull images allows comparison of the relationship between phenotypes in the brain and those in the skull. We observe a close fit between the brain and skull of two genetic mouse models that both show abnormal brain and skull phenotypes. Application of these three-dimensional image analyses in a broader range of mouse mutants will provide a map of the relationships between brain and skull phenotypes generally and allow characterization of patterns of similarities and differences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological GenomicsMême sujetEpigenetics and DNA MethylationTravaux en français237 207