<i>In Vivo</i>Response-Based Identification of Direct Hormone Target Cell Populations Using High-Density Tissue Arrays
Notice bibliographique
Résumé
To identify cell populations directly responsive to prolactin (PRL), GH, erythropoietin, or granulocyte-colony stimulating factor within the physiological setting of an intact mammal, we combined in situ detection of hormone-activated signal transducer and activator of transcription (Stat)-5 in rats with high-throughput tissue array analysis using cutting-edge matrix assembly (CEMA). Inducible activation of Stat5a/b, as judged by levels of nuclear-localized, phosphoTyr694/699-Stat5a/b, served as an immediate and sensitive in situ marker of receptor signaling in rat tissues after injection into male and female rats of a single, receptor-saturating dose of hormone for maximal receptor activation. CEMA tissue arrays facilitated analysis of most tissues, including architecturally complex, thin-walled, and stratified tissues such as gut and skin. In 40 tissues analyzed, 35 PRL-responsive and 32 GH-responsive cell types were detected, of which 22 cell types were responsive to both hormones. Interestingly, PRL but not GH activated Stat5 in nearly all of the endocrine glands. In mammary glands, PRL activated Stat5 in a majority of luminal epithelial cells but not myoepithelial cells, stromal fibroblasts, or adipocytes, whereas GH activated Stat5 in a significant fraction of myoepithelial cells, fibroblasts, and adipocytes but only in a minority of luminal cells. Finally, the organism-wide screening revealed a yet-to-be identified erythropoietin-responsive cell type in connective tissue. CEMA tissue arrays provide cost-effective in situ analysis of large numbers of tissues. Biomarker-based identification of cell populations responsive to individual hormones may shed new light on endocrine disease as well as improve understanding of effects and side effects of hormones and drugs.
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 | 0,000 |
| 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) | 0,000 | 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 ».