Imaging mass cytometry - elemental immunohistochemistry for multiparametric imaging and quantitation
Notice bibliographique
Résumé
Abstract Pathology assessment of tissue sections provides prognostic evaluation and helps select optimum treatment regimens. Digital pathology has made significant strides in the analysis of several markers. There is a growing understanding of cell heterogeneity within tumor tissue, role of microenvironment, and the impact of immune cells on cancer development. Sophisticated tools are needed to provide quantitative information for a large number of biomarkers, low-abundance small molecules and chemotherapeutic drugs, while retaining spatial resolution of cells and tissue architecture. Imaging mass cytometry (IMC) is a novel technology that can simultaneously detect and quantitatively measure more than 50 metal-containing reagents in tissue sections at 1 μm resolution. IMC combines laser ablation with the Helios CyTOF®. We will describe in detail technology, workflow, multiplexing protocols, image analysis and show representative data for human and mouse sections. We will demonstrate the use of metal-containing histological stains for tissue architecture, and endogenous element identification [iodine, platinum]. Combined detection of protein targets and transcripts within cells will be presented. Validation will be demonstrated on sequential tissue sections prepared by conventional immunohistochemistry. Precision medicine is based on access to high-density data (proteomics and genomics) which provides accurate diagnosis and information on the best therapeutic approach. IMC is a highly multiparametric, quantitative method for phenotypic, signaling pathway, and cell state protein identification together with spatial information within tissue sections.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,011 |
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 ».