Pre-Labeling of Immune Cells in Normal Bone Marrow and Spleen for Subsequent Cell Tracking by MRI
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
Iron particles are intravenously (IV) administered to label cells in vivo during magnetic resonance imaging. This technique has been extensively used to monitor immune cells in the context of inflammatory diseases. Here, we have investigated whether resting immune cells can be labeled in vivo in healthy mice before disease onset or injury, thus allowing visualization of critical early cellular events. Using 1.5 T magnetic resonance imaging, we were able to detect signal loss in bone marrow, liver, and spleen as early as 1 hour after the IV injection of superparamagnetic iron oxide nanoparticles (Feridex; 80 to 120 nm in diameter) or larger micron-sized iron oxide particles (Bangs; 0.9 μm in diameter). Results were confirmed via histology. Further, flow cytometric analysis confirmed the presence of iron-labeled CD19+ B cells, CD3+ T cells, and CD11b+ myeloid cells within the spleen and the bone marrow. Extending this work to a murine model of multiple sclerosis, we IV administered superparamagnetic iron oxide to healthy mice 1 week before inducing experimental autoimmune encephalomyelitis. Images acquired 1 week after the onset of hindlimb paralysis showed regions of signal hypointensity in the mouse brain that corresponded with iron-labeled macrophages. In summary, we show that resting immune cells in the healthy mouse liver, spleen, and bone marrow can be prelabeled with iron oxide nanoparticles. Furthermore, iron oxide preloading of immune cells in the reticuloendothelial system can be used to detect cellular infiltration in the brains of experimental autoimmune encephalomyelitis mice.
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