BUSCADOR RECOLECTA

Este trabajo se centra en el estudio de la propagación de la patología amiloidea en diferentes modelos animales para la Enfermedad de Alzheimer (EA). Los resultados sugieren que existen diversos factores que modulan este proceso de propagación, tales como, el origen de la semilla como los modelos empleados. En nuestro caso, empleamos dos modelos transgénicos de la EA que representan la forma familiar y otro la forma esporádica. Vemos que la propagación en ambos modelos es diferente, siendo mucho más lenta en el modelo esporádico. Así mismo, hemos evaluado en este trabajo como muestras cerebrales de distinto origen (humano y ratón) tienen capacidades diferentes de inducir y propagar la patología amiloidea. Vemos que las muestras humanas tienen mayor potencialidad de inducir la patología amiloidea, respecto a las muestras de roedores. Esto es debido a que el perfil molecular y conformaciones amiloideas es diferente en el extracto cerebral del paciente humano respecto al del modelo roedor. Así mismo, vemos que estos extractos afectan de forma diferencial a las células microgliales, encargadas de la compactación y formación de las placas amiloideas. Estudios de esta naturaleza son esenciales, para determinar que conformaciones amiloideas son las más patogénicas y como afectan y modulan la propagación patológica de la enfermedad. Para la realización de este trabajo se han empleado varios modelos transgénicos para la EA, los modelos 3xTg-AD y hAb-KI. Así mismo, se han empleado técnicas histológicas mediante el uso de inmunohistoquímica y microscopía tanto óptica como fluorescente de confocal, para determinar cambios patogénicos es estos modelos. Además, se han empleado técnicas moleculares como western-blot, dot-blot, proteómica para analizar las conformaciones y agregados amiloideos. Y finalmente, se han empleado cultivos celulares con células BV2 para ver la toxicidad de estos extractos., Proyecto del Ministerio de Ciencia e Innovación PID2019-108911RA-100 (D.B.V), proyecto de la Alzheimer Association AARG-22-928219 (D.B.V), programa Beatriz Galindo BAGAL18/00052 (D.B.V), proyecto Instituto de Salud Carlos III (ISCiii) PI21/00915 (A.G), cofinanciado por fondos FEDER de la Unión Europea; proyecto del National Institute of Health (NIH) U54-AG054349 (F.M.L); y proyecto de la Consejeria de Economia y Conocimiento de la Junta de Andalucia UMA18-FEDERJA-211 (A.G), y P18-RT-2233 (A.G).

- [The full description of the dataset can be found at: https://www.uma.es/robotics-and-mechatronics/info/124594/sar-datasets/ ] - Collection of multimodal raw data captured from a manned all-terrain vehicle in the course of two realistic outdoor search and rescue (SAR) exercises for actual emergency responders conducted in Málaga (Spain) in 2018 and 2019: the UMA-SAR dataset. The sensor suite, applicable to unmanned ground vehicles (UGVs), consisted of overlapping visible light (RGB) and thermal infrared (TIR) forward-looking monocular cameras, a Velodyne HDL-32 three-dimensional (3D) lidar, as well as an inertial measurement unit (IMU) and two global positioning system (GPS) receivers as ground truth. Our mission was to collect a wide range of data from the SAR domain, including persons, vehicles, debris, and SAR activity on unstructured terrain. In particular, four data sequences were collected following closed-loop routes during the exercises, with a total path length of 5.2 km and a total time of 77 min. In addition, we provide three more sequences of the empty site for comparison purposes (an extra 4.9 km and 46 min). Furthermore, the data is offered both in human-readable format and as rosbag files, and two specific software tools are provided for extracting and adapting this dataset to the users’ preference. The review of previously published disaster robotics repositories indicates that this dataset can contribute to fill a gap regarding visual and thermal datasets and can serve as a research tool for cross-cutting areas such as multispectral image fusion, machine learning for scene understanding, person and object detection, and localization and mapping in unstructured environments., This work has been performed in the frame of the project “TRUST-ROB: Towards Resilient UGV and UAV Manipulator Teams for Robotic Search and Rescue Tasks,” funded by the Spanish Government (grant number RTI2018-093421-B-I00) and project UMA18-FEDERJA-090 funded by the Andalusian Regional Government (Junta de Andalucía)