MétaCan
Menu
Retour à la cohorte
Enregistrement W2977177663 · doi:10.1016/j.neuroimage.2019.116202

Lactate topography of the human brain using hyperpolarized 13C-MRI

2019· article· en· W2977177663 sur OpenAlexafffund
Casey Y. Lee, Hany Soliman, Benjamin Geraghty, Albert P. Chen, Kim A. Connelly, Ruby Endre, William J. Perks, Chris Heyn, Sandra E. Black, Charles H. Cunningham

Notice bibliographique

RevueNeuroImage · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced NMR Techniques and Applications
Établissements canadiensSt. Michael's HospitalHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Cancer Society
Mots-clésCuneusWhite matterHuman brainPrecuneusChemistryNeuroscienceMagnetic resonance imagingBiologyMedicineFunctional magnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

Lactate is now recognized as an important intermediate in brain metabolism, but its role is still under investigation. In this work we mapped the distribution of lactate and bicarbonate produced from intravenously injected 13C-pyruvate over the whole brain using a new imaging method, hyperpolarized 13C MRI (N = 14, ages 23 to 77). Segmenting the 13C-lactate images into brain atlas regions revealed a pattern of lactate that was preserved across individuals. Higher lactate signal was observed in cortical grey matter compared to white matter and was highest in the precuneus, cuneus and lingual gyrus. Bicarbonate signal, indicating flux of [1–13C]pyruvate into the TCA cycle, also displayed consistent spatial distribution. One-way ANOVA to test for significant differences in lactate among atlas regions gave F = 87.6 and p < 10−6. This report of a “lactate topography” in the human brain and its consistent pattern is evidence of region-specific lactate biology that is preserved across individuals.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,292
Écart entre enseignants0,273 · 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'étudeObservationnel
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

Citations94
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImageMême sujetAdvanced NMR Techniques and ApplicationsTravaux en français237 207