MétaCan
Menu
Retour à la cohorte
Enregistrement W3028057673 · doi:10.3791/61178

Blocking Lymph Flow by Suturing Afferent Lymphatic Vessels in Mice

2020· article· en· W3028057673 sur OpenAlexafffund
Yujia Lin, Jingna Xue, Shan Liao

Notice bibliographique

RevueJournal of Visualized Experiments · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLymphatic System and Diseases
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLymphatic systemLymphHigh endothelial venulesLymph node stromal cellLymphatic vesselLymphatic EndotheliumPathologyLymphangiogenesisMedicineAfferentLymph nodeAnatomyBiologyInternal medicineCancerMetastasis

Résumé

récupéré en direct d'OpenAlex

Lymphatic vessels are critical in maintaining tissue fluid balance and optimizing immune protection by transporting antigens, cytokines, and cells to draining lymph nodes (LNs). Interruption of lymph flow is an important method when studying the function of lymphatic vessels. The afferent lymphatic vessels from the murine footpad to the popliteal lymph nodes (pLNs) are well-defined as the only routes for lymph drainage into the pLNs. Suturing these afferent lymphatic vessels can selectively prevent lymph flow to the pLNs. This method allows for interference in lymph flow with minimal damage to the lymphatic endothelial cells in the draining pLN, the afferent lymphatic vessels, as well as other lymphatic vessels around the area. This method has been used to study how lymph impacts high endothelial venules (HEV) and chemokine expression in the LN, and how lymph flows through the adipose tissue surrounding the LN in the absence of functional lymphatic vessels. With the growing recognition of the importance of lymphatic function, this method will have broader applications to further unravel the function of lymphatic vessels in regulating the LN microenvironment and immune responses.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,038
Tête enseignante GPT0,398
Écart entre enseignants0,360 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetLymphatic System and DiseasesTravaux en français237 207