Demodifying RNA for Transcriptomic Analyses of Archival Formalin-Fixed Paraffin-Embedded Samples
Notice bibliographique
Résumé
Archival formalin-fixed paraffin-embedded (FFPE) tissue samples offer a vast but largely untapped resource for genomic research. The primary technical issues limiting use of FFPE samples are RNA yield and quality. In this study, we evaluated methods to demodify RNA highly fragmented and crosslinked by formalin fixation. Primary endpoints were RNA recovery, RNA-sequencing quality metrics, and transcriptional responses to a reference chemical (phenobarbital, PB). Frozen mouse liver samples from control and PB groups (n = 6/group) were divided and preserved for 3 months as follows: frozen (FR); 70% ethanol (OH); 10% buffered formalin for 18 h followed by ethanol (18F); or 10% buffered formalin (3F). Samples from OH, 18F, and 3F groups were processed to FFPE blocks and sectioned for RNA isolation. Additional sections from 3F received the following demodification protocols to mitigate RNA damage: short heated incubation with Tris-Acetate-EDTA buffer; overnight heated incubation with an organocatalyst using 2 different isolation kits; or overnight heated incubation without organocatalyst. Ribo-depleted, stranded, total RNA libraries were built and sequenced using the Illumina HiSeq 2500 platform. Overnight incubation (± organocatalyst) increased RNA yield >3-fold and RNA integrity numbers and fragment analysis values by > 1.5- and >3.0-fold, respectively, versus 3F. Postsequencing metrics also showed reduced bias in gene coverage and deletion rates for overnight incubation groups. All demodification groups had increased overlap for differentially expressed genes (77%-84%) and enriched pathways (91%-97%) with FR, with the highest overlap in the organocatalyst groups. These results demonstrate simple changes in RNA isolation methods that can enhance genomic analyses of FFPE samples.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».