MiL-FISH: Multilabeled Oligonucleotides for Fluorescence <i>In Situ</i> Hybridization Improve Visualization of Bacterial Cells
Notice bibliographique
Résumé
Fluorescence in situ hybridization (FISH) has become a vital tool for environmental and medical microbiology and is commonly used for the identification, localization, and isolation of defined microbial taxa. However, fluorescence signal strength is often a limiting factor for targeting all members in a microbial community. Here, we present the application of a multilabeled FISH approach (MiL-FISH) that (i) enables the simultaneous targeting of up to seven microbial groups using combinatorial labeling of a single oligonucleotide probe, (ii) is applicable for the isolation of unfixed environmental microorganisms via fluorescence-activated cell sorting (FACS), and (iii) improves signal and imaging quality of tissue sections in acrylic resin for precise localization of individual microbial cells. We show the ability of MiL-FISH to distinguish between seven microbial groups using a mock community of marine organisms and its applicability for the localization of bacteria associated with animal tissue and their isolation from host tissues using FACS. To further increase the number of potential target organisms, a streamlined combinatorial labeling and spectral imaging-FISH (CLASI-FISH) concept with MiL-FISH probes is presented here. Through the combination of increased probe signal, the possibility of targeting hard-to-detect taxa and isolating these from an environmental sample, the identification and precise localization of microbiota in host tissues, and the simultaneous multilabeling of up to seven microbial groups, we show here that MiL-FISH is a multifaceted alternative to standard monolabeled FISH that can be used for a wide range of biological and medical applications.
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 | 0,000 | 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 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 ».