High-Throughput Technology: Green Fluorescent Protein to Monitor Cell Death
Notice bibliographique
Résumé
Reliable assessment of cell death is now pivotal to many research programs aiming at generating new antitumor compounds or at screening cDNA libraries to identify genes with pro- or antiapoptotic functions. Such approaches need to rely on reproducible, easy handling, and rapid microplate-based cytotoxicity assays that are amenable to high-throughput screening technologies. We describe here a method for the direct measurement of cell death, based on the detection of a decrease in fluorescence observed following death induction in cells stably expressing enhanced green fluorescent protein (EGFP). Our data clearly show that such a decrease in EGFP fluorescence after cell death induction happens in various cell types, including those routinely used in anticancer drug screening (i.e., murine and human, lymphoid, fibroblastic, or epithelial cell lines). Moreover, the decrease in EGFP fluorescence is observed in cells induced to die by a variety of apoptosis-inducing agents, such as glucocorticoids (dexamethasone), DNA- damaging agents (etoposide, cisplatin), microtubule disorganizers (paclitaxel), protein kinase C inhibitors (staurosporine), or a caspase-independent apoptotic stimulus (CD45 crosslinking). A decrease in fluorescence can be assessed either by flow cytometry or with a fluorescence microplate reader. The kinetics and specificity of this EGFP-based assay were comparable with those of other conventional techniques used to detect cell death. This novel EGFP-based microplate assay combines sensitivity and rapidity and is amenable to high-throughput setups, making it an assay of choice for evaluation of cell cytotoxicity.
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 ».