In vivo coherent Raman imaging of the melanomagenesis-associated pigment pheomelanin
Notice bibliographique
Résumé
Abstract Melanoma is the most deadly form of skin cancer with a yearly global incidence over 232,000 patients. Individuals with fair skin and red hair exhibit the highest risk for developing melanoma, with evidence suggesting the red/blond pigment known as pheomelanin may elevate melanoma risk through both UV radiation-dependent and -independent mechanisms. Although the ability to identify, characterize, and monitor pheomelanin within skin is vital for improving our understanding of the underlying biology of these lesions, no tools exist for real-time, in vivo detection of the pigment. Here we show that the distribution of pheomelanin in cells and tissues can be visually characterized non-destructively and noninvasively in vivo with coherent anti-Stokes Raman scattering (CARS) microscopy, a label-free vibrational imaging technique. We validated our CARS imaging strategy in vitro to in vivo with synthetic pheomelanin, isolated melanocytes, and the Mc1re/e, red-haired mouse model. Nests of pheomelanotic melanocytes were observed in the red-haired animals, but not in the genetically matched Mc1re/e; Tyrc/c (“albino-red-haired”) mice. Importantly, samples from human amelanotic melanomas subjected to CARS imaging exhibited strong pheomelanotic signals. This is the first time, to our knowledge, that pheomelanin has been visualized and spatially localized in melanocytes, skin, and human amelanotic melanomas.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».