In vivo microCT-based time-lapse morphometry reveals anatomical site-specific differences in bone (re)modeling serving as baseline parameters to detect early pathological events
Notice bibliographique
Résumé
The bone structure is very dynamic and continuously adapts its geometry to external stimuli by modeling and remodeling the mineralized tissue. In vivo microCT-based time-lapse morphometry is a powerful tool to study the temporal and spatial dynamics of bone (re)modeling. Here an advancement in the methodology to detect and quantify site-specific differences in bone (re)modeling of 12-week-old BALB/c nude mice is presented. We describe our method of quantifying new bone surface interface readouts and how these are influenced by bone curvature. This method is then used to compare bone surface (re)modeling in mice across different anatomical regions to demonstrate variations in the rate of change and spatial gradients thereof. Significant differences in bone (re)modeling baseline parameters between the metaphyseal and epiphyseal, as well as cortical and trabecular bone of the distal femur and proximal tibia are shown. These results are validated using conventional static in vivo microCT analysis. Finally, the insights from these new baseline values of physiological bone (re)modeling were used to evaluate pathological bone (re)modeling in a pilot breast cancer bone metastasis model. The method shows the potential to be suitable to detect early pathological events and track their spatio-temporal development in both cortical and trabecular bone. This advancement in (re)modeling surface analysis and defined baseline parameters according to distinct anatomical regions will be valuable to others investigating various disease models with site-distinct local alterations in bone (re)modeling.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».