Novel automated three‐dimensional genome scanning based on the nuclear architecture of telomeres
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Telomeres, the end of chromosomes, are organized in a nonoverlapping fashion and form microterritories in nuclei of normal cells. Previous studies have shown that normal and tumor cell nuclei differ in their 3D telomeric organization. The differences include a change in the spatial organization of the telomeres, in telomere numbers and sizes and in the presence of telomeric aggregates. Previous attempts to identify the above parameters of 3D telomere organization were semi-automated. Here we describe the automation of 3D scanning for telomere signatures in interphase nuclei based on three-dimensional fluorescent in situ hybridization (3D-FISH) and, for the first time, define its sensitivity in tumor cell detection. The data were acquired with a high-throughput scanning/acquisition system that allows to measure cells and acquire 3D images of nuclei at high resolution with 40 × or 60 × oil and at a speed of 10,000-15,000 cells h(-1) , depending on the cell density on the slides. The automated scanning, TeloScan, is suitable for large series of samples and sample sizes. We define the sensitivity of this automation for tumor cell detection. The data output includes 3D telomere positions, numbers of telomeric aggregates, telomere numbers, and telomere signal intensities. We were able to detect one aberrant cell in 1,000 normal cells. In conclusions, we are able to detect tumor cells based on 3D architectural profiles of the genome. This new tool could, in the future, assist in patient diagnosis, in the detection of minimal residual disease, in the analysis of treatment response and in treatment decisions.
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.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle