[<sup>18</sup>F]SynVesT-1 PET Detects SV2A Changes in the Spinal Cord and Brain of Rats with Spinal Cord Injury
Notice bibliographique
Résumé
Traumatic spinal cord injury (SCI) is a devastating neurologic condition lacking effective prognostic and treatment methods. PET imaging of synaptic vesicle glycoprotein 2A (SV2A) has been used in measuring synapse changes. We explore the feasibility of using [18F]SynVesT-1 PET to detect the synaptic changes in a rat model of SCI. Methods: [18F]SynVesT-1 PET scans were performed on rats with T7 moderate contusion injury (n = 9) and sham controls (n = 7) on day 1 and days 9–11 after injury. The simplified reference region method 2 was used to compute the distribution volume ratios (DVRs) for the spinal cord (SC) and the brain, with the cervical cord and brain stem as the reference region, respectively. The averaged SUV ratio 30–60 min after injection was calculated as an alternative outcome measure. Diffusion tensor imaging (DTI) was used to evaluate axonal changes on post mortem SCs. Western blotting, immunohistochemical staining, and immunofluorescence staining were used to confirm the imaging results. Results: [18F]SynVesT-1 showed the highest uptake in the cervical SC. Notably, the DVR at the injury epicenter in SCI rats showed a 61% decrease on day 1 and a 53% decrease on days 9–11, compared with sham controls. The changes in SUV ratio 30–60 min after injection were consistent with the changes in DVR. The fiber damage in the epicenter was identified by DTI, and the loss of SV2A was confirmed by immunohistochemical staining and Western blotting. Further, the amygdala, limbic insular cortex, and cerebellum were found to be significantly affected by the SCI on day 1 by PET. The DTI analysis revealed fiber damage in the internal capsule and somatosensory cortex. Conclusion: [18F]SynVesT-1 PET effectively identified synapse loss in the contusion SCI rat model. The quantification of synaptic density through SV2A PET presents a promising objective metric for evaluating novel therapeutics for SCI.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».