Effect of sample preparation techniques on the concentrations and distributions of elements in biological tissues using <i>µ</i>SRXRF: a comparative study
Notice bibliographique
Résumé
Routine tissue sample preparation using chemical fixatives is known to preserve the morphology of the tissue being studied. A competitive method, cryofixation followed by freeze drying, involves no chemical agents and maintains the biological function of the tissue. The possible effects of both sample preparation techniques in terms of the distribution of bio-metals (calcium (Ca), copper (Cu) zinc (Zn), and iron (Fe) specifically) in human skin tissue samples was investigated. Micro synchrotron radiation x-ray fluorescence (μSRXRF) was used to map bio-metal distribution in epidermal and dermal layers of human skin samples from various locations of the body that have been prepared using both techniques. For Ca, Cu and Zn, there were statistically significant differences between the epidermis and dermis using the freeze drying technique (p = 0.02, p < 0.01, and p < 0.01, respectively). Also using the formalin fixed, paraffin embedded technique the levels of Ca, Cu and Zn, were significantly different between the epidermis and dermis layers (p = 0.03, p < 0.01, and p < 0.01, respectively). However, the difference in levels of Fe between the epidermis and dermis was unclear and further analysis was required. The epidermis was further divided into two sub-layers, one mainly composed of the stratum corneum and the other deeper layer, the stratum basale. It was found that the difference between the distribution of Fe in the two epidermal layers using the freeze drying technique resulted in a statistically significant difference (p = 0.012). This same region also showed a difference in Fe using the formalin fixed, paraffin embedded technique (p < 0.01). The formalin fixed, paraffin embedded technique also showed a difference between the deeper epidermal layer and the dermis (p < 0.01). It can be concluded that studies involving Ca, Cu and Zn might show similar results using both sample preparation techniques, however studies involving Fe would need more special attention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».