MétaCan
Menu
Retour à la cohorte
Enregistrement W3017363622 · doi:10.1016/j.heliyon.2020.e03702

Glymphatic clearance of simulated silicon dispersion in mouse brain analyzed by laser induced breakdown spectroscopy

2020· article· en· W3017363622 sur OpenAlexaff
Muhammad Shehzad Khan, Rachit Kumar, Sinai H. C. Manno, Irfan Ahmed, Alan Wing Lun Law, Raúl Rodríguez‐Cruces, Victor Ma, William C. Cho, Shuk Han Cheng, Condon Lau

Notice bibliographique

RevueHeliyon · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCity University of Hong Kong
Mots-clésSiliconMaterials scienceGlymphatic systemMicrogliaBiomedical engineeringPathologyChemistryMedicineInflammationImmunologyOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Silicon-based devices, such as neural probes, are increasingly used as electrodes for receiving electrical signals from neural tissue. Neural probes used chronically have been known to induce inflammation and elicit an immune response. The current study detects and evaluates silicon dispersion from a concentrated source in the mouse brain using laser induced breakdown spectroscopy. Element lines for Si (I) were found at the injection site at approximately 288 nm at 3hr post-implantation, even with tissue perfusion, indicating possible infusion into neural tissue. At 24hr and 1-week post-implantation, no silicon lines were found, indicating clearance. An isolated immune response was found by CD68 macrophage response at 24hr post injection. Future studies should measure chronic silicon exposure to determine if the inflammatory response is proportional to silicon administration. The present type of protocol, coupling laser induced breakdown spectroscopy, neuroimaging, histology, immunohistochemistry, and determination of clearance could be used to investigate the glymphatic system and different tissue states such as in disease (e.g. Alzheimer's).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,040
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,023
Tête enseignante GPT0,262
Écart entre enseignants0,239 · 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'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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetNeuroscience and Neural EngineeringTravaux en français237 207