One-Cell Analysis as a Technique for True Single-Cell Analysis of Organelles in Breast Tumor and Adjacent Normal Tissue to Profile Fatty Acid Composition of Triglyceride Species
Notice bibliographique
Résumé
Breast cancer develops in an adipose rich environment of normal adipocytes that are known to aid in tumor progression through an unknown method of lipid transfer from normal cells to tumor cells. Much research is built around lipid analysis of breast tumor and adjacent normal tissues to identify variations in the lipidome to gain an understanding of the role lipids play in progressing cancer. Ideally, single-cell analysis methods coupled to mass spectrometry that retain spatial information are best suited for this endeavor. However, many single-cell analysis methods are not capable of subcellular analysis of intact lipids while maintaining spatial information. One-Cell analysis is a true single-cell technique with the precision to extract single organelles from intact tissues while not interfering or disrupting adjacent cells. This method is used to extract and analyze single organelles from individual cells using nanomanipulation coupled to nanoelectrospray ionization mass spectrometry. Presented here is a demonstration of the analysis of single lipid bodies from two different sets of breast tumor and normal adjacent tissues to elucidate the fatty acid composition of triglycerides using One-Cell analysis coupled to tandem mass spectrometry. As a result, thirteen fatty acid species unique to the tumor tissues were identified, five in one set of tissues and eight in the other set.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».