Processing and sectioning of organ donor spinal cord tissue for electrophysiology on acute human spinal cord slices
Notice bibliographique
Résumé
Acute spinal cord slice electrophysiology is a powerful technique used in preclinical basic science research to investigate sensory and motor neuron function and pathophysiology. A major barrier that stands between implementing these findings into effective clinical treatments is the translational gap between rodent models and human patients. To date, no methods or protocols describe how to prepare viable human spinal cord slices for acute electrophysiological recordings. To bridge this translational divide, we describe here a protocol for the extraction of spinal cord tissue from consenting human organ donors and the preparation and sectioning of this tissue for acute spinal cord slice electrophysiology. With the collaboration of a transplant service and licensed surgeon, tissue can be extracted in 30-50 min. Acute spinal cord slices can then be prepared in the laboratory by trained graduate students in 2.5-5 h, depending on the amount of tissue and scope of experiments. Using a viability stain to confirm that spinal slices are of sufficient quality to proceed, slices can then be used for either patch-clamp recordings to study the excitability of individual neurons or for high-density multielectrode array recordings to study intact sensory circuits. Slices remain viable for 4-8 h, providing ample time for investigating synaptic and circuit-level signalling dynamics, including the use of pharmacological agents to probe the roles of specific molecular targets. The approaches described here can be implemented to improve translational physiological research and as a human tissue-based preclinical drug target identification and validation assay.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,012 |
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 ».