Filter selection for five color flow cytometric analysis with a single laser
Notice bibliographique
Résumé
Flow cytometry has evolved from single- and two-color analysis to the current use of 11-16 colors. The relatively bright excitation spectra of most fluorochromes have made color compensation a challenge especially when performed manually. We describe how by choosing filters with narrower bandwidths results in the color compensation values between FITC, PE, PE-TxR (ECD), PE-Cy5, and PE-Cy7 that range from 0 % to 50% depending on the combination of fluorochromes. Peripheral blood mononuclear cells were stained with alpha-CD4-FITC, alpha-CD27-PE, alpha-CD62L-ECD, alpha-CD45RA-PE-Cy5 and alpha-CD3-PE-Cy7. The samples were acquired on a MO Flo. The initial (first) and second filter sets for our experiments consisted of 530/30 or 519/20 for FITC, 580/30 or 575/20for PE, 630/30 or 630/22 for PE-TxR (ECD), 670/30 or 675/20 for PE-Cy5 and 740LP or 780/40 for PE-Cy7. Nonstained cells were used to adjust the threshold values of detection for each photo multiplier tube (PMT) for each filter set. The mean fluorescent intensity (MFI) of each fluorochrome was not reduced to any great extent by either filter set. However, the compensation value between PE and PE-TxR (ECD) with the first filter selection ranged from 84% to 89% and with the second set of filters it was 25-36%. In addition, the compensation between PE-TxR (ECD) and PE-Cy5 were reduced to 30.2% from 44.2% with the second filter set. The reduction of filter bandwidths that results in minimizing spectral overlaps without lost of signal provides a method by which discrimination of signals between PE containing fluorochromes can be achieved.
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 | 0,001 | 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 | 0,000 |
| 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 ».