A confocal microscopic study of solitary pulmonary neuroendocrine cells in human airway epithelium
Notice bibliographique
Résumé
BACKGROUND: Pulmonary neuroendocrine cells (PNEC) are specialized epithelial cells that are thought to play important roles in lung development and airway function. PNEC occur either singly or in clusters called neuroepithelial bodies. Our aim was to characterize the three dimensional morphology of PNEC, their distribution, and their relationship to the epithelial nerves in whole mounts of adult human bronchi using confocal microscopy. METHODS: Bronchi were resected from non-diseased portions of a lobe of human lung obtained from 8 thoracotomy patients (Table 1) undergoing surgery for the removal of lung tumors. Whole mounts were stained with antibodies to reveal all nerves (PGP 9.5), sensory nerves (calcitonin gene related peptide, CGRP), and PNEC (PGP 9.5, CGRP and gastrin releasing peptide, GRP). The analysis and rendition of the resulting three-dimensional data sets, including side-projections, was performed using NIH-Image software. Images were colorized and super-imposed using Adobe Photoshop. RESULTS: PNEC were abundant but not homogenously distributed within the epithelium, with densities ranging from 65/mm2 to denser patches of 250/mm2, depending on the individual wholemount. Rotation of 3-D images revealed a complex morphology; flask-like with the cell body near the basement membrane and a thick stem extending to the lumen. Long processes issued laterally from its base, some lumenal and others with feet-like processes. Calcitonin gene-related peptide (CGRP) was present in about 20% of PNEC, mainly in the processes. CGRP-positive nerves were sparse, with some associated with the apical part of the PNEC. CONCLUSION: Our 3D-data demonstrates that PNEC are numerous and exhibit a heterogeneous peptide content suggesting an active and diverse PNEC population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».