In Vivo Quantification of Creatine Kinase Kinetics in Mouse Brain Using <sup>31</sup>P‐MRS at 7 T
Notice bibliographique
Résumé
ABSTRACT 31P‐MRS is a method of choice for studying neuroenergetics in vivo, but its application in the mouse brain has been limited, often restricted to ultrahigh field (> 7 T) MRI scanners. Establishing its feasibility on more readily available preclinical 7‐T scanners would create new opportunities to study metabolism and physiology in murine models of brain disorders. Here, we demonstrate that the apparent forward rate constant (kf) of creatine kinase (CK) can be accurately quantified using a progressive saturation‐transfer approach in the mouse brain at 7 T. We also find that a 20% reduction in respiration of anesthetized mice can lead to 36% increase in kf attributable to a drop in cellular pH and mitochondrial ATP production. To achieve this, we used a test–retest analysis to assess the reliability and repeatability of 31P‐MRS acquisition, analysis, and experimental design protocols. We report that many 31P‐containing metabolites can be reliably measured using a localized 3D‐ISIS sequence, which showed highest SNR amplitude, SNR consistency, and minimal T2 relaxation signal loss. Our study identifies key physiological factors influencing mouse brain energy homeostasis in vivo and provides a methodological basis to guide future studies interested in implementing 31P‐MRS on preclinical 7‐T scanners.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».