Analysis of axonal growth in organotypic neural cultures
Notice bibliographique
Résumé
Organotypic cultures are multicellular in vitro models that preserve both cytoarchitecture and cell interactions that form the tissue, providing a closer approximation to in vivo models in comparison with dissociated cell cultures.Previous studies in our lab proposed a method of dorsal root ganglia \(DRG) and spinal cord slice \(SC) organotypic 3D cultures to study motor and sensory axonal regeneration.Although these models are useful to study how different factors and substrates affect axonal growth, manual sample analysis can be inaccurate, tiresome and high time-consuming.Therefore, we have developed a computer-aided method, using the Neurite-J plug-in, to analyze the neurite outgrowth in organotypic cultures, that can also be applied to other types of explants.This program, implemented as a plug-in for ImageJ software, markedly reduces the time needed in the manual analysis, improves the accuracy and increases the amount of information obtained from each sample.Therefore, these organotypic 3D cultures and the computed aired method are a powerful and useful tool to obtain valuable data of neurite growth in different conditions.The objective of the present work is to provide the protocol of our DRG and SC slice cultures, from the animal to the image analysis, that will allow studying neurite outgrowth in a reliable in vitro model.See gure in Figures section.
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 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 | 0,001 |
| 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 tête enseignante, 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 ».