大脑中动脉闭塞(Middle cerebral artery occlusion，MCAO)是缺血性脑血管病的重要类型，是颅内动脉粥***的晚期。部分患者在疾病进展过程中可能形成间接代偿，但如果代偿不足，则可能发生短暂性脑缺血发作(TIA)，甚至脑卒中。在患有脑卒中的人群中，大概有三分之一的患者会发生死亡，脑卒中的高致死率与其复杂的发病机制密切相关据统计，我国己逐渐成为脑卒中的多发国家，且新发脑卒中患者有逐年增加的趋势。脑卒中己成为严重威胁人类健康的疾病，不仅给国家和家庭造成了沉重的经济负担还给患者带来严重的心理负担和劳动能力的丧失。血管分离，在分离右侧CCA、ECA、ICA时,要注意迷走神经的保护, 减少对迷走神经的损伤。北京动物实验脑梗MCAO模型周期
脑卒中具有发病率高、病死率高、残疾率高及复发率高的特点。其中缺血性脑卒中的发病率高于出血性脑卒中，占脑卒中总数的 60% ～ 70%。缺血性脑卒中引起的组织损伤是主要的致死原因，但研究发现，缺血后再灌注引起的过量氧自由基是造成组织损伤的主要因素。 通过制备脑局部缺血再灌注损伤动物模型研究脑缺血再灌注损伤的作用机制已成为国内外的研究热点。线栓法是*常用的脑局部缺血再灌注损伤模型制备方法，此方法不需要开颅且不需要呼吸机等仪器辅助，缺血部位较恒定，能够准确控制缺血及再灌注时间，容易控制局部条件，全身影响小，是制作脑局部缺血再灌注损伤模型*理想的方法。北京大鼠脑梗MCAO模型研究方案物体识别测试：给小鼠展示两个相似的物体，观察其是否能够正确识别并记住这两个物体。
通过神经功能缺损评分，研究人员可以定量地评估脑梗死后对动物神经功能的影响。这对于研究脑梗死的病理过程、治*方法以及药物效果具有重要的意义。同时，这种评分方法也可以为临床医生提供参考，帮助他们更好地评估患者的神经功能缺损程度。 需要注意的是，神经功能缺损评分只是一种评估方法，不能完全戴*动物的神经功能状态。因此，在实验中还需要结合其他指标和方法进行综合评估。此外，由于实验动物的个体差异和环境因素的影响，实验结果也可能存在一定的误差。因此，在进行实验研究时需要严格控制实验条件和操作过程，以保证实验结果的准确性和可靠性。
脑梗MCAO模型成功的评判方法 生物化学指标的检测：在实验过程中，检测血清中C反应蛋白（CRP）、肿瘤坏死因子-α（TNF-α）等生物化学指标的变化。这些指标可以反映炎症反应和缺血损伤的程度，有助于评估模型的成功。 病理学检查：实验结束后，对实验动物的大脑进行病理学检查。观察大脑皮质和海马区的细胞形态、排列情况，评估神经细胞的损伤程度。同时，通过免疫组化染色法检测神经元特异性烯醇化酶（NSE）的表达，以评估神经元损伤的程度。 行为学评估：在实验过程中，对实验动物进行行为学评估，如Morris水迷宫实验、步态分析等。通过比较不同处理组的行为学表现，评估模型的成功。 综上所述，评判脑梗MCAO模型成功的标准包括脑梗死面积、神经功能缺损评分、梗死血管、生物化学指标、病理学检查和行为学评估等方面。只有当这些指标均符合预期结果时，才能认为模型制备成功。实验外包团队具有丰富的实验操作经验。他们经多年的实践积累，对实验操作过程中的环节有着深入的了解掌握。
局灶性缺血模型/线栓法引起的大脑中动脉栓塞（Middle Cerebral Artery Occlusion，MCAO）由于大（小）鼠脑血管解剖结构与人类相似，大脑中动脉也是临床缺血性卒中的高发部位，同时，采用线栓法也便于观察缺血和再灌注、永jiu（持续）和短暂性损伤等多种状态，在评价药物量效关系和确认治*时间窗等方面有一定优势，因此，MCAO是目前*广为接受一种药效模型。神经元尼氏体与细胞核呈蓝紫色，背景呈浅蓝色。结果显示：假手术组海马 CA1 区神经元排列规整，神经元胞体及树突内尼氏体丰富;实验组神经元排列紊乱，并伴有细胞水肿和坏死发生，尼氏体染色较浅，模糊不清;阳性*组神经元尼氏体排列较为规整，偶见神经细胞水肿，和溶解。中风的高发病率、残疾率和死亡率给家庭和社会带来了沉重的负担。北京动物实验脑梗MCAO模型周期
采用Longa等的5级4分法标准对模型动物进行评价。北京动物实验脑梗MCAO模型周期
局灶性缺血模型/线栓法引起的大脑中动脉栓塞（Middle Cerebral Artery Occlusion，MCAO）由于大（小）鼠脑血管解剖结构与人类相似，大脑中动脉也是临床缺血性卒中的高发部位，同时，采用线栓法也便于观察缺血和再灌注、永jiu（持续）和短暂性损伤等多种状态，在评价药物量效关系和确认治*时间窗等方面有一定优势，因此，MCAO是目前*广为接受一种药效模型。将尼龙线由大（小）鼠的颈外动脉（ECA）插入，经颈内动脉（ECA）阻断一侧MCA起始端，导致一侧（局灶性）脑缺血。术后再使用激光散斑血流仪或多普勒血流仪对造模效果进行验证和确认。北京动物实验脑梗MCAO模型周期
