MétaCan
Menu
Retour à la cohorte
Enregistrement W4377965969 · doi:10.1101/2023.05.22.541477

Long-term optical imaging of the spinal cord in awake, behaving animals

2023· preprint· en· W4377965969 sur OpenAlexafffund
Biafra Ahanonu, Andrew Crowther, Artur Kania, M. Casillas, Allan I. Basbaum

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensMcGill UniversityMontreal Clinical Research Institute
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNIH Office of the DirectorCanadian Institutes of Health ResearchDefense Advanced Research Projects AgencyHoward Hughes Medical InstituteNational Science FoundationNational Institutes of HealthOpen Philanthropy Project
Mots-clésSpinal cordTerm (time)NeuroscienceOptical imagingMedicinePsychologyPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Advances in optical imaging approaches and fluorescent biosensors have enabled an understanding of the spatiotemporal and long-term neural dynamics in the brain of awake animals. However, methodological difficulties and the persistence of post-laminectomy fibrosis have greatly limited similar advances in the spinal cord. To overcome these technical obstacles, we combined in vivo application of fluoropolymer membranes that inhibit fibrosis; a redesigned, cost-effective implantable spinal imaging chamber; and improved motion correction methods that together permit imaging of the spinal cord in awake, behaving mice, for months to over a year. We also demonstrate a robust ability to monitor axons, identify a spinal cord somatotopic map, conduct Ca 2+ imaging of neural dynamics in behaving animals responding to pain-provoking stimuli, and observe persistent microglial changes after nerve injury. The ability to couple neural activity and behavior at the spinal cord level will drive insights not previously possible at a key location for somatosensory transmission to the brain.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 GPT0,310
Écart entre enseignants0,282 · 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.

Devis d'étudeObservationnel
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207