Increasing Axonal Arborization Size of Dopamine Neurons to Produce a Better Mouse Model of Parkinson's Disease
Bibliographic record
Abstract
Dans la maladie de Parkinson, les neurones dopaminergiques (DA) de la substance noire compacte (SNc) sont particulièrement vulnérables dû a leurs très grande taille de l'arborisation axonale, des besoins énergétiques très élevés et du stress oxidatif chroniquement élevé associés à ce phénotype. Étrangement, les modèles génétiques murins de la maladie de Parkinson ne montrent pas de dégénérescence spontanée des neurones DA. Notre hypothèse principale est que suite à une lésion partielle des neurones DA de la SNc, les neurones survivants montreront un bourgeonnement axonal compensatoire, ce qui résultera, chez la souris adulte, en une population de neurones DA dotée d'une arborisation axonale beaucoup plus grande et d'une vulnérabilité basale accrue. Une lésion unilatérale d'approximativement 50% des neurones DA était induite dans la SNc par une injection unilatérale de 6-hydroxydopamine (6-OHDA) chez des souris de 5 jours des deux sexes. Les souris ont alors ensuite évaluées à l'âge de 3 mois. Dans une première étape, nous avons quantifié la taille de l'arborisation axonale des neurones DA en infectant une sous-population de ces neurones avec un virus AAV-EYFP. Dans une deuxième étape, la vulnérabilité des neurones DA était évaluée à l’age de P135, en injectant les souris avec une virus d’alpha-synucléin à P90. Nos résultats montrent qu'à la suite d'une lésion partielle des neurones DA de la SNC, les neurones survivants se compensent en augmentant leur taille d’arborization axonale par environ 2 fois. Cette compensation se traduit par environ 3-fois l'augmentation de la vulnérabilité de ces neurones lorsqu'ils sont exposés à un stress secondaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".