Increasing Oocyte Yield Through the Modification of Hormone Delivery
Notice bibliographique
Résumé
The McGill Integrated Core for Animal Modeling (MICAM) creates mouse disease models using CRISPR-Cas9 technology. A key step to generating genetically modified animal models is to produce fertilized oocytes. To obtain large numbers of oocytes, female mice must be superovulated by hormone injections. Typically, superovulation is induced by the administration of five international units (IU) of pregnant mare serum gonadotropin (PMSG) and five IU of human chorionic gonadotropin (hCG) by intraperitoneal (IP) injections 48 hours apart. However, a recent report has shown the administration of PMSG by subcutaneous (SC) injection results in a higher average yield of oocytes per mouse. This would allow the superovulation of fewer mice to generate the same number of oocytes, a key refinement to the process. This study split cohorts of female mice into two groups per injection session. Half of a cohort was given hormones using the standard superovulation regime, and half were given PMSG SC. Both cohorts were given hCG IP. On average, 23.58 oocytes were collected per female mouse given PMSG SC, while 16.43 oocytes were collected per female mouse given PMSG IP. This resulted in 7.15 more oocytes collected per female mouse administered PMSG SC rather than IP. For every three mice injected with PMSG IP, two females need to be injected with PMSG SC to collect the same number of oocytes. This study demonstrates that the administration of PMSG SC does result in the collection of more oocytes per mouse, reducing the number of female mice needed to be housed and superovulated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».