Neurotransmitter-Responsive Nanosensors for <i>T</i><sub>2</sub>-Weighted Magnetic Resonance Imaging
Notice bibliographique
Résumé
Neurotransmitter-sensitive contrast agents for magnetic resonance imaging (MRI) have recently been used for mapping signaling dynamics in live animal brains, but paramagnetic sensors for T1-weighted MRI are usually effective only at micromolar concentrations that themselves perturb neurochemistry. Here we present an alternative molecular architecture for detecting neurotransmitters, using superparamagnetic iron oxide nanoparticles conjugated to tethered neurotransmitter analogs and engineered neurotransmitter binding proteins. Interactions between the nanoparticle conjugates result in clustering that is reversibly disrupted in the presence of neurotransmitter analytes, thus altering T2-weighted MRI signals. We demonstrate this principle using tethered dopamine and serotonin analogs, together with proteins selected for their ability to competitively bind either the analogs or the neurotransmitters themselves. Corresponding sensors for dopamine and serotonin exhibit target-selective relaxivity changes of up to 20%, while also operating below endogenous neurotransmitter concentrations. Semisynthetic magnetic particle sensors thus represent a promising path for minimally perturbative studies of neurochemical analytes.
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 | 0,001 |
| 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 ».