Novel standards in the measurement of rat insulin granules combining electron microscopy, high-content image analysis and in silico modelling
Notice bibliographique
Résumé
AIMS/HYPOTHESIS: Knowledge of number, size and content of insulin secretory granules is pivotal for understanding the physiology of pancreatic beta cells. Here we re-evaluated key structural features of rat beta cells, including insulin granule size, number and distribution as well as cell size. METHODS: Electron micrographs of rat beta cells fixed either chemically or by high-pressure freezing were compared using a high-content analysis approach. These data were used to develop three-dimensional in silico beta cell models, the slicing of which would reproduce the experimental datasets. RESULTS: As previously reported, chemically fixed insulin secretory granules appeared as hollow spheres with a mean diameter of ∼350 nm. Remarkably, most granules fixed by high-pressure freezing lacked the characteristic halo between the dense core and the limiting membrane and were smaller than their chemically fixed counterparts. Based on our analyses, we conclude that the mean diameter of rat insulin secretory granules is 243 nm, corresponding to a surface area of 0.19 μm(2). Rat beta cells have a mean volume of 763 μm(3) and contain 5,000-6,000 granules. CONCLUSIONS/INTERPRETATION: A major reason for the lower mean granule number/rat beta cell relative to previous accounts is a reduced estimation of the mean beta cell volume. These findings imply that each granule contains about twofold more insulin, while its exocytosis increases membrane capacitance about twofold less than assumed previously. Our integrated approach defines new standards for quantitative image analysis of beta cells and could be applied to other cellular systems.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».