Notice bibliographique
Résumé
Multiple sclerosis is an autoimmune demyelinating disease that affects more that 2.5 million people worldwide. Biochemical and in vitro data put forward many therapeutic candidates that have to be verified in vivo models of MS. Experimental autoimmune encephalomyelitis (EAE) is a widely utilized model that replicates many aspects of MS. The traditionally used assessment of behavioural outcomes is performed by two independent observers in the blind to experimental setup manner. Such way of assessment is person dependent and allow only evaluate a small number of parameters. Also, the scores often are different among different laboratories. Here we propose to utilize 40 parameters behavioural assessment during development and progression of EAE. We used 24hr/day recording of animals before and three weeks after induction of EAE. The films were analysed using Clever Sys software. We found dramatic differences in behavioural outcomes even within the first week of the EAE induction. First, we noted a significant reduction of total distance walked per day. Mice with EAE walked two-fold less after 1-week post-EAE and four-fold less after two weeks of EAE. Hanging behaviour significantly declined (up to 30 fold) in mice within two weeks of EAE. On the other hand, grooming behaviour significantly increased in the first week of EAE. Detailed analysis of mouse activity revealed that mice are most active between 20h and 24h and least active during 11h and 15hr. In conclusion, we demonstrate that multiple parameter automated analysis of behavioural outcomes may help to validate therapeutic targets and give insights into the mechanisms of the neuroinflammation during MS.
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 | 0,002 |
| 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 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 ».