The living microarray: a high-throughput platform for measuring transcription dynamics in single cells
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
BACKGROUND: Current methods of measuring transcription in high-throughput have led to significant improvements in our knowledge of transcriptional regulation and Systems Biology. However, endpoint measurements obtained from methods that pool populations of cells are not amenable to studying time-dependent processes that show cell heterogeneity. RESULTS: Here we describe a high-throughput platform for measuring transcriptional changes in real time in single mammalian cells. By using reverse transfection microarrays we are able to transfect fluorescent reporter plasmids into 600 independent clusters of cells plated on a single microscope slide and image these clusters every 20 minutes. We use a fast-maturing, destabilized and nuclear-localized reporter that is suitable for automated segmentation to accurately measure promoter activity in single cells. We tested this platform with synthetic drug-inducible promoters that showed robust induction over 24 hours. Automated segmentation and tracking of over 11 million cell images during this period revealed that cells display substantial heterogeneity in their responses to the applied treatment, including a large proportion of transfected cells that do not respond at all. CONCLUSIONS: The results from our single-cell analysis suggest that methods that measure average cellular responses, such as DNA microarrays, RT-PCR and chromatin immunoprecipitation, characterize a response skewed by a subset of cells in the population. Our method is scalable and readily adaptable to studying complex systems, including cell proliferation, differentiation and apoptosis.
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 | 0,000 |
| 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 découle