Notice bibliographique
Résumé
The blood-brain (BBB) is a crucial system that regulates selective brain circulation with the periphery, as an example, allowing necessary nutrients to enter and expel excessive amino acids or toxins from the brain. To model how the BBB can be compromised in diseases like vascular dementia (VaD) or Alzheimer's disease (AD), researchers developed novel methods to model vessel dilatation. A compromised BBB in these disease states can be detrimental and result in the dysregulation of the BBB leading to untoward and pathological consequences impacting brain function. We were able to modify an existing technique that enabled us to inject directly into the Cisterna magna (CM) to induce dilatation of blood vessels using elastase, and disrupt the tight junctions (TJ) of the BBB. With this method, we were able to see various metrics of success over previous techniques, including consistent blood vessel dilatation, reduced mortality or improved recovery, and improving the fill/opacifying agent, a silicone rubber compound, delivery for labeling blood vessels for dilatation analysis. This modified minimally invasive method has had promising results, with a 19%-32% increase in sustained dilatation of large blood vessels in mice from 2 weeks to 3 months post-injection. This improvement contrasts with previous studies, which showed increased dilatation only at the 2 week mark. Additional data suggests sustained expansion even after 9.5 months. This increase was confirmed by comparing the diameter of blood vessels of the elastase and the vehicle-injected group. Overall, this technique is valuable for studying pathological disorders that affect the central nervous system (CNS) using animal models.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».