MétaCan
Menu
Retour à la cohorte
Enregistrement W2791463087 · doi:10.1101/258616

Impaired Spatial Reorientation in the 3xTg-AD Mouse Model of Alzheimer’s Disease

2018· preprint· en· W2791463087 sur OpenAlexaff
Alina C. Stimmell, David Baglietto‐Vargas, Shawn C. Moseley, Valérie Lapointe, Lauren Thompson, Frank M. LaFerla, Bruce L. McNaughton, Aaron A. Wilber

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesNational Institute on AgingNational Institutes of HealthAlzheimer's Association
Mots-clésNeuroscienceHippocampusDorsumDiseaseMedicinePsychologyPathologyAnatomy

Résumé

récupéré en direct d'OpenAlex

Abstract In early Alzheimer’s disease (AD) spatial navigation is impaired; however, the precise cause of this impairment is unclear. Recent evidence suggests that getting lost in new surroundings is one of the first impairments to emerge in AD. It is possible that getting lost in new surroundings represents a failure to use distal cues to get oriented in space. Therefore, we set out to look for impaired use of distal cues for spatial orientation in a mouse model of amyloidosis (3xTg-AD). To do this, we trained mice to shuttle to the end of a track and back to an enclosed start box to receive a water reward. Then, mice were trained to stop in an unmarked reward zone to receive a brain stimulation reward. The time required to remain in the zone for a reward was increased across training, and the track was positioned in a random start location for each trial. We found that 6-month female, but not male, 3xTg-AD mice were impaired. Male and female mice had only intracellular pathology and male mice had less pathology, particularly in the dorsal hippocampus. Thus, AD may cause spatial disorientation as a result of impaired use of landmarks.

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)0,000
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,077
Tête enseignante GPT0,283
Écart entre enseignants0,206 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetMemory and Neural MechanismsTravaux en français237 207