Spatial transcriptomic profiling of thalamic gene expression alterations following traumatic brain injury in male cFosTRAP2 mice using the CHIMERA model
Notice bibliographique
Résumé
STUDY PURPOSE: Traumatic Brain Injury (TBI) is a leading cause of global death and disability. Heterogeneity in impact intensity, injury subtype and subsequent clinical presentation poses great challenges in development of therapeutic targets. Furthermore, translational biomarkers and temporal molecular signatures limit the relevance of animal models to human TBI. We used the Closed Head Impact Model of Engineered Rotational Acceleration (CHIMERA) model of impact-acceleration injury to investigate TBI-induced gene expression changes in male cFosTRAP2 mice (aged 3-4 months). A mild TBI was induced using CHIMERA where no skull fracture, structural damage or vascular haemorrhages was caused. DATA COLLECTED: We investigated transcriptomic changes in male cFosTRAP2 mouse brain at 7 days after a mild CHIMERA injury (2.1J impact energy) using 10x genomics Visium spatial transcriptomics technology (n=2 Sham, n=2 TBI). Spatial gene expression data was acquired from 2 sections (bregma -1.80mm and -3.2 mm) from each mouse brain and analyzed using the Seurat R package. We obtained transcriptomic information with strong replicate reproducibility for 55 micron circular regions tiling entire brain sections (2 sections/mouse/condition; 4992 sequenced regions/section; ~40,000 RNA-seq datasets). The dataset of greater than 1B reads yielded cell clusters with region-specific dysregulation of genes and a subset of data representing CHIMERA TBI responsive regions is presented here. The fold changes presented in this dataset are derived from pooled Visium data, where spots from all animals within each experimental group were integrated using Seurat prior to clustering and differential expression analysis. Thus, the reported average log2 fold changes reflect group level (pooled) expression patterns rather than per animal averages. All raw and processed spatial transcriptomics data, including per sample Visium outputs, are available through the NCBI Gene Expression Omnibus under accession number GSE282909. This repository includes count matrices, spatial coordinates, and sample-level metadata to enable independent reanalysis. DATA USAGE NOTES:
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».