Találati lista | Tudóstér

001-es BibID:	BIBFORM100898
035-os BibID:	(cikkazonosító)3178 (scopus)85126279159 (wos)000775328500001
Első szerző:	Mészár Zoltán Mihály (agrármérnök)
Cím:	CRISPR/Cas9-Based Mutagenesis of Histone H3.1 in Spinal Dynorphinergic Neurons Attenuates Thermal Sensitivity in Mice / Zoltán Mészár, Éva Kókai, Rita Varga, László Ducza, Tamás Papp, Monika Béresová, Marianna Nagy, Péter Szücs, Angelika Varga
Dátum:	2022
ISSN:	1661-6596 1422-0067
Megjegyzések:	Abstract: Burn injury is a trauma resulting in tissue degradation and severe pain, which is processed first by neuronal circuits in the spinal dorsal horn. We have recently shown that in mice, excitatory dynorphinergic (Pdyn) neurons play a pivotal role in the response to burn-injury-associated tissue damage via histone H3.1 phosphorylation-dependent signaling. As Pdyn neurons were mostly as-sociated with mechanical allodynia, their involvement in thermonociception had to be further elu-cidated. Using a custom-made AAV9_mutH3.1 viruscombined with the CRISPR/cas9 system, here we provide evidence that blocking histone H3.1 phosphorylation at position serine 10 (S10) in spinal Pdyn neurons significantly increases the thermal nociceptive threshold in mice. In contrast, neither mechanosensation nor acute chemonociception was affected by the transgenic manipulation of his-tone H3.1.These results suggest that blocking rapid epigenetic tagging of S10H3 in spinal Pdyn neurons alters acute thermosensation and thus explains the involvement of Pdyn cells in the imme-diate response to burn-injury-associated tissue damage.
Tárgyszavak:	Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk
Megjelenés:	International Journal Of Molecular Sciences. - 23 : 6 (2022), p. 3178. -
További szerzők:	Kókai Éva (1989-) (molekuláris biológus) Varga Rita (aneszteziológus) Ducza László (1987-) (molekuláris biológus) Papp Tamás (1987-) (orvos) Béres Mónika (1982-) (képalkotó diagnoszta, eü. mérnökinformatikus) Nagy Marianna (1987-) (orvosdiagnosztikai képalkotó) Szűcs Péter (1974-) (kutatóorvos) Varga Angelika (1977-) (biológus)
Pályázati támogatás:	NKFIH, FK 125035 Egyéb BO/00369/17/5 Egyéb ÚNKP-19-4-DE-3 Egyéb 2017-1.2.1-NKP-2017-00002 Egyéb TKP2021-EGA-20 Egyéb TKP2021-EGA Egyéb
Internet cím:	Szerző által megadott URL DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM095599
Első szerző:	Payette, Kelly
Cím:	An automatic multi-tissue human fetal brain segmentation benchmark using the Fetal Tissue Annotation Dataset / Kelly Payette, Priscille de Dumast, Hamza Kebiri, Ivan Ezhov, Johannes C. Paetzold, Suprosanna Shit, Asim Iqbal, Romesa Khan, Raimund Kottke, Patrice Grehten, Hui Ji, Levente Lanczi, Marianna Nagy, Monika Beresova, Thi Dao Nguyen, Giancarlo Natalucci, Theofanis Karayannis, Bjoern Menze, Meritxell Bach Cuadra, Andras Jakab
Dátum:	2021
Megjegyzések:	It is critical to quantitatively analyse the developing human fetal brain in order to fully understand neurodevelopment in both normal fetuses and those with congenital disorders. To facilitate this analysis, automatic multi-tissue fetal brain segmentation algorithms are needed, which in turn requires open datasets of segmented fetal brains. Here we introduce a publicly available dataset of 50 manually segmented pathological and non-pathological fetal magnetic resonance brain volume reconstructions across a range of gestational ages (20 to 33 weeks) into 7 different tissue categories (external cerebrospinal fluid, grey matter, white matter, ventricles, cerebellum, deep grey matter, brainstem/spinal cord). In addition, we quantitatively evaluate the accuracy of several automatic multitissue segmentation algorithms of the developing human fetal brain. Four research groups participated, submitting a total of 10 algorithms, demonstrating the benefits the dataset for the development of automatic algorithms.
Tárgyszavak:	Orvostudományok Elméleti orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk
Megjelenés:	Scientific Data. - 8 : 167 (2021), p. 1-14. -
További szerzők:	Dumast, Priscille de Kebiri, Hamza Ezhov, Ivan Paetzold, Johannes C. Shit, Suprosanna Iqbal, Asim Khan, Romesa Kottke, Raimund Grehten, Patrice Ji, Hui Lánczi Levente (1990-) (általános orvos) Nagy Marianna (1987-) (orvosdiagnosztikai képalkotó) Béres Mónika (1982-) (képalkotó diagnoszta, eü. mérnökinformatikus) Nguyen, Thi Dao Natalucci, Giancarlo Karayannis, Theofanis Menze, Bjoern Cuadra, Meritxell Bach Jakab András (1985-) (radiológus)
Internet cím:	DOI Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon:

001-es BibID:	BIBFORM089807
Első szerző:	Payette, Kelly
Cím:	A comparison of automatic multi-tissue segmentation methods of the human fetal brain using the FeTA Dataset / Kelly Payette, Priscille de Dumast, Hamza Kebiri, Ivan Ezhov, Johannes C. Paetzold, Suprosanna Shit, Asim Iqbal, Romesa Khan, Raimund Kottke, Patrice Grehten, Hui Ji, Levente Lanczi, Marianna Nagy, Monika Beresova, Thi Dao Nguyen, Giancarlo Natalucci, Theofanis Karayannis, Bjoern Menze, Meritxell Bach Cuadra, Andras Jakab
Dátum:	2020
Megjegyzések:	It is critical to quantitatively analyse the developing human fetal brain in order to fully understand neurodevelopment in both normal fetuses and those with congenital disorders. To facilitate this analysis, automatic multi-tissue fetal brain segmentation algorithms are needed, which in turn requires open databases of segmented fetal brains. Here we introduce a publicly available database of 50 manually segmented pathological and non-pathological fetal magnetic resonance brain volume reconstructions across a range of gestational ages (20 to 33 weeks) into 7 different tissue categories (external cerebrospinal fluid, grey matter, white matter, ventri-cles, cerebellum, deep grey matter, brainstem/spinal cord).In addition, we quantitatively evaluate the accuracy of several automatic multi-tissue segmentation algorithms of the developing human fetal brain. Four re-search groups participated, submitting a total of 10 algorithms, demonstrating the benefits the database for the development of automatic algorithms.
Tárgyszavak:	Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban folyóiratcikk
Megjelenés:	arXiv. - [Epub ahead of print] (2020), p. 1-16. -
További szerzők:	de Dumast, Priscille Kebiri, Hamza Ezhov, Ivan Paetzold, Johannes C. Shit, Suprosanna Iqbal, Asim Khan, Romesa Kottke, Raimund Grehten, Patrice Ji, Hui Lánczi Levente (1990-) (általános orvos) Nagy Marianna (1987-) (orvosdiagnosztikai képalkotó) Béres Mónika (1982-) (képalkotó diagnoszta, eü. mérnökinformatikus) Nguyen, Thi Dao Natalucci, Giancarlo Karayannis, Theofanis Menze, Bjoern Cuadra, Meritxell Bach Jakab András (1985-) (radiológus)
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: