Novel flow cytometry approach to identify bronchial epithelial cells from healthy human airways
Notice bibliographique
Résumé
Sampling various compartments within the lower airways to examine human bronchial epithelial cells (HBEC) is essential for understanding numerous lung diseases. Conventional methods to identify HBEC in bronchoalveolar lavage (BAL) and wash (BW) have throughput limitations in terms of efficiency and ensuring adequate cell numbers for quantification. Flow cytometry can provide high-throughput quantification of cell number and function in BAL and BW samples, while requiring low cell numbers. To date, a flow cytometric method to identify HBEC recovered from lower human airway samples is unavailable. In this study we present a flow cytometric method identifying HBEC as CD45 negative, EpCAM/pan-cytokeratin (pan-CK) double-positive population after excluding debris, doublets and dead cells from the analysis. For validation, the HBEC panel was applied to primary HBEC resulting in 98.6% of live cells. In healthy volunteers, HBEC recovered from BAL (2.3% of live cells), BW (32.5%) and bronchial brushing samples (88.9%) correlated significantly (p = 0.0001) with the manual microscopy counts with an overall Pearson correlation of 0.96 across the three sample types. We therefore have developed, validated, and applied a flow cytometric method that will be useful to interrogate the role of the respiratory epithelium in multiple lung diseases.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».