MétaCan
Menu
Retour à la cohorte
Enregistrement W3124518188 · doi:10.1063/5.0046323

Optic nerve microcirculation: Fluid flow and electrodiffusion

2021· article· en· W3124518188 sur OpenAlexafffund
Yi Zhu, Shixin Xu, Bob Eisenberg, Huaxiong Huang

Notice bibliographique

RevuePhysics of Fluids · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésConvectionBiophysicsExtracellularPhysicsWater transportWater flowFlow (mathematics)OsmosisMechanicsIonic bondingIonChemical physicsChemistryMembraneBiochemistrySoil scienceEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Complex fluids flow in complex ways in complex structures. Transport of water and various organic and inorganic molecules in the central nervous system (CNS) are important in a wide range of biological and medical processes [C. Nicholson and S. Hrabětová, “Brain extracellular space: The final frontier of neuroscience,” Biophys. J. 113(10), 2133 (2017)]. However, the exact driving mechanisms are often not known. In this paper, we investigate flows induced by action potentials in an optic nerve as a prototype of the CNS. Different from traditional fluid dynamics problems, flows in biological tissues such as the CNS are coupled with ion transport. It is driven by osmosis created by the concentration gradient of ionic solutions, which in turn influence the transport of ions. Our mathematical model is based on the known structural and biophysical properties of the experimental system used by the Harvard group [R. K. Orkand, J. G. Nicholls, and S. W. Kuffler, “Effect of nerve impulses on the membrane potential of glial cells in the central nervous system of amphibia,” J. Neurophysiol. 29(4), 788 (1966)]. Asymptotic analysis and numerical computation show the significant role of water in convective ion transport. The full model (including water) and the electrodiffusion model (excluding water) are compared in detail to reveal an interesting interplay between water and ion transport. In the full model, convection due to water flow dominates inside the glial domain. This water flow in the glia contributes significantly to the spatial buffering of potassium in the extracellular space. Convection in the extracellular domain does not contribute significantly to spatial buffering. Electrodiffusion is the dominant mechanism for flows confined to the extracellular domain.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,041
Tête enseignante GPT0,317
Écart entre enseignants0,276 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetNeuroscience and Neuropharmacology ResearchTravaux en français237 207