Dynamic <sup>1</sup>H‐MRS for detection of <sup>13</sup>C‐labeled glucose metabolism in the human brain at 3T
Notice bibliographique
Résumé
Purpose In 2004, Boumezbeur et al proposed a simple yet powerful approach to detect the metabolism of 13C‐enriched substrates in the brain. Their approach consisted of dynamic 1H‐MRS, without a 13C radiofrequency (RF) channel, and its successful application was demonstrated in monkeys. Since then, this promising method has yet to be applied rigorously in humans. In this study, we revisit the use of dynamic 1H‐MRS to measure the metabolism of 13C‐enriched substrates and demonstrate its application in the human brain. Methods In healthy participants, 1H‐MRS data were acquired dynamically before and following a bolus infusion of [1‐13C] glucose. Data were acquired on a 3T clinical MRI scanner using a short‐TE SPECIAL sequence, with regions of interest in both anterior and posterior cingulate cortex. Using simulated basis spectra to model signal changes in both 12C‐bonded and 13C‐coupled resonances, the acquired spectra were fit in LCModel to obtain labeling time courses for glutmate and glutamine at both C4 and C3 positions. Results Presence of the 13C label was clearly detectable, owing to the pronounced effect of heteronuclear (13C‐1H) scalar coupling on the observed 1H spectra. A decrease in signal from 12C‐bonded protons and an increase in signal from 13C‐coupled protons were observed. The fractional enrichment of Glu‐C4, (Glu+Gln)‐C4, and (Glu+Gln)‐C3 at 30 minutes following infusion of [1‐13C] glucose was similar in both regions: 11% to 13%, 9% to 12% and 3% to 5%, respectively. Conclusion These preliminary results confirm the feasibility of the use of dynamic 1H‐MRS to monitor 13C labeling in the human brain, without a 13C RF channel.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».