MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412804293 · doi:10.1523/jneurosci.0362-25.2025

Circuit Reconstruction after Traumatic Spinal Cord Injury by Cellular and Pharmacological Approaches

2025· article· en· W4412804293 sur OpenAlexafffund
Seyed Mojtaba Hosseini, Katinka Stecina, Shiva Nemati, J. Zhang, Soheila Karimi‐Abdolrezaee

Notice bibliographique

RevueJournal of Neuroscience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensChildren's Hospital Research Institute of ManitobaUniversity of ManitobaHealth Sciences CentreResearch Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchWings for Life
Mots-clésSpinal cord injurySpinal cordMedicineNeurosciencePsychology

Résumé

récupéré en direct d'OpenAlex

Extensive neuronal loss, progressive neurodegeneration, and circuit impairment are the key pathological features of spinal cord injury (SCI). The intrinsic capacity of the injured spinal cord to replenish damaged neurons and reassemble the disrupted spinal circuitry is restricted. Transplantation of exogenous neural precursor cells (NPCs) has shown promise to structurally repair the injured spinal network. However, proper maturation and integration of newly generated neurons from NPC graft within the zhost spinal circuit has remained challenging. Here, in adult female Sprague Dawley rats, we demonstrate that blockade of CSPG/LAR/PTP-σ axis in combination with neuromodulation by activation of 5-HT 1/2/7 receptors augment the generation of spinal cord-specific neurons by NPC grafts and supports the maturity and functional connectivity of NPC-derived neurons with the host local spinal network as well as major descending motor pathways that culminate in recovery of locomotion and sensorimotor integration. Taken together, this novel cellular and pharmacological approach facilitates functional restoration of neural networks within the damaged spinal circuitry that addresses a critical gap in cell-based repair strategies 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,137
Tête enseignante GPT0,392
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neuroscience→Même sujetSpinal Cord Injury Research→Travaux en français237 207→