MétaCan
Menu
Retour à la cohorte
Enregistrement W3004562188 · doi:10.1039/c9an02270h

Imaging mass spectrometry allows for neuroanatomic-specific detection of gangliosides in the healthy and diseased brain

2020· review· en· W3004562188 sur OpenAlexaff
W. X. Wang, Shawn N. Whitehead

Notice bibliographique

RevueThe Analyst · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMass spectrometry imagingMass spectrometryMembraneGangliosideChemistryNeuroscienceBiologyChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Gangliosides have a wide variety of biological functions due to their location on the outer leaflet of plasma membranes. They form a critical component of membrane rafts, or ganglioside-enriched microdomains, where they influence the physical properties of the membrane as well as its function. Gangliosides can change their structure to meet their external and internal environmental demands. This ability to change structure makes gangliosides both fascinating and technologically challenging targets to identify and understand. A full understanding on how gangliosides are regulated within the central nervous system (CNS) is critical, as ganglioside dysregulation is observed in the aging brain as well as in several neurodegenerative injuries and diseases such as stroke, Alzheimer's disease, Parkinson's disease, Huntington's disease and several lysosomal storage disorders diseases, including Tay Sach's disease. Mass spectrometry (MS) has become a useful means to better understand ganglioside composition and function. Imaging mass spectrometry (IMS) provides the added benefit of placing analytical information within an anatomical context. This review article will discuss recent advances in MS-based detection methods, with a focus on IMS-based approaches to help understand the spatial-specific role gangliosides in the healthy brain as in CNS injuries and disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,331
Écart entre enseignants0,303 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207