动物模型准备与颅窗植入
建立APOE3/4-KI小鼠模型并进行颅窗手术,以进行后续体内成像。
使用12月龄雌性APOE3-KI和APOE4-KI小鼠,在麻醉下于右侧体感皮层植入3×3 mm2光学窗口。
Cortical layer multi-parameter analysis of neurovascular impairments in AD/ADRD rodent model with in vivo optical imaging
包含体内光学成像(OCT、LSCI)测量血管参数,机器学习SVM分类器评估诊断准确性,以及实验性药物干预(CO2、可卡因)等功能验证。
APOE4-KI小鼠 APOE3-KI小鼠
小鼠模型:12月龄雌性APOE4-KI与APOE3-KI小鼠 血管参数测量:使用OCT测量CBFv、直径、迂曲度,LSCI测量CVR CVR刺激:5% CO2吸入(血管扩张)和可卡因(1 mg/kg, i.v.)(血管收缩) SVM分类器:基于36个血管参数,bootstrap重采样和留一交叉验证 统计分析:双尾Student's t检验,P < 0.05
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立APOE3/4-KI小鼠模型并进行颅窗手术,以进行后续体内成像。
使用12月龄雌性APOE3-KI和APOE4-KI小鼠,在麻醉下于右侧体感皮层植入3×3 mm2光学窗口。
使用OCT测量个体血管的CBFv、直径和迂曲度,以及3D微血管形态。
使用定制的超高分辨率OCT系统(µOCA和µODT)对皮层血管进行成像,并量化CBFv、血管直径、迂曲度、血管密度和分叉计数等参数。
使用LSCI评估皮层微血管对血管扩张和收缩刺激的反应性(CVR)。
通过吸入5% CO2(血管扩张)和静脉注射可卡因(1 mg/kg,血管收缩)刺激小鼠,同时用LSCI记录CBF动态变化,并计算ΔCBF、tP、ΔCBFp和IR。
使用机器学习方法评估所有测量的血管参数对E3和E4组的分类准确性。
基于36个血管参数,使用SVM分类器进行训练和测试,通过Bootstrap重采样和留一交叉验证评估每个参数的分类准确性。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| OCT成像 | 超高分辨率光学相干断层扫描 | Custom | -- |
| InGaAs相机 | Sensors Unlimited | GL2048 | |
| LSCI成像 | 激光二极管 | Thorlabs | DL8142-201-830 |
| sCMOS相机 | Andor | Zyla 5.5 | |
| 变焦显微镜 | Nikon | AZ100 | |
| 数据分析 | ImageJ软件 | National Institutes of Health | -- |
| 统计分析 | SigmaStat软件 | Systat Software Inc. | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 动物准备 | 雌性APOE3-KI和APOE4-KI小鼠,12月龄,每组5-7只 阅读提示:Methods - Animal preparation |
| OCT成像 | OCT设备参数,成像视野2.0×1.9×1.4 mm3,CBFv测量使用多普勒算法 阅读提示:Methods - In vivo imaging of multiple vascular parameters via OCT |
| LSCI成像 | 激光波长830 nm,曝光时间10 ms,5% CO2吸入和可卡因(1 mg/kg, i.v.)刺激 阅读提示:Methods - In vivo assessment of vasoactive CVR via LSCI |
| 数据分析 | 36个血管参数,SVM分类器,bootstrap重采样1000次,留一交叉验证 阅读提示:Methods - SVM-based classification for evaluating vascular parameters |