Monitoring time‐dependent degradation of phospholipids in sectioned tissues by MALDI imaging mass spectrometry
Notice bibliographique
Résumé
Imaging mass spectrometry (IMS) is useful for visualizing the localization of phospholipids on biological tissue surfaces creating great opportunities for IMS in lipidomic investigations. With advancements in IMS of lipids, there is a demand for large-scale tissue studies necessitating stable, efficient and well-defined sample handling procedures. Our work within this article shows the effects of different storage conditions on the phospholipid composition of sectioned tissues from mouse organs. We have taken serial sections from mouse brain, kidney and liver thaw mounted unto ITO-coated glass slides and stored them under various conditions later analyzing them at fixed time points. A global decrease in phospholipid signal intensity is shown to occur and to be a function of time and temperature. Contrary to the global decrease, oxidized phospholipid and lysophospholipid species are found to increase within 2 h and 24 h, respectively, when mounted sections are kept at ambient room conditions. Imaging experiments reveal that degradation products increase globally across the tissue. Degradation is shown to be inhibited by cold temperatures, with sample integrity maintained up to a week after storage in -80 °C freezer under N2 atmosphere. Overall, the results demonstrate a timeline of the effects of lipid degradation specific to sectioned tissues and provide several lipid species which can serve as markers of degradation. Importantly, the timeline demonstrates oxidative sample degradation begins appearing within the normal timescale of IMS sample preparation of lipids (i.e. 1-2 h) and that long-term degradation is global. Taken together, these results strengthen the notion that standardized procedures are required for phospholipid IMS of large sample sets, or in studies where many serial sections are prepared together but analyzed over time such as in 3-D IMS reconstruction experiments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».