MétaCan
Menu
Retour à la cohorte
Enregistrement W2888586903 · doi:10.3791/58114

Isolation and Identification of Extravascular Immune Cells of the Heart

2018· article· en· W2888586903 sur OpenAlexafffund
Laura Aronoff, Slava Epelman, Xavier Clemente‐Casares

Notice bibliographique

RevueJournal of Visualized Experiments · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Fibrosis and Remodeling
Établissements canadiensTed Rogers Centre for Heart ResearchUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCollagenaseImmune systemFlow cytometryCell sortingCell biologyPopulationInflammationBiologyFluorescence microscopeMacrophageImmunologyChemistryIn vitroMedicineBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

The immune system is an essential component of a healthy heart. The myocardium is home to a rich population of different immune cell subsets with functional compartmentalization both during steady state and during different forms of inflammation. Until recently, the study of immune cells in the heart required the use of microscopy or poorly developed digestion protocols, which provided enough sensitivity during severe inflammation but were unable to confidently identify small - but key - populations of cells during steady state. Here, we discuss a simple method combining enzymatic (collagenase, hyaluronidase and DNAse) and mechanical digestion of murine hearts preceded by intravascular administration of fluorescently-labelled antibodies to differentiate small but unavoidable intravascular cell contaminants. This method generates a suspension of isolated viable cells that can be analyzed by flow cytometry for identification, phenotyping and quantification, or further purified with fluorescence-activated cell sorting or magnetic bead separation for transcriptional analysis or in vitro studies. We include an example of a step-by-step flow cytometric analysis to differentiate the key macrophage and dendritic cell populations of the heart. For a medium sized experiment (10 hearts) the completion of the procedure requires 2-3 h.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,147

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,394
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetCardiac Fibrosis and RemodelingTravaux en français237 207