3DMorph Automatic Analysis of Microglial Morphology in Three Dimensions from<i>Ex Vivo</i>and<i>In Vivo</i>Imaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Microglia are dynamic immune cells of the central nervous system, and their morphology is commonly used as a readout of cellular function. However, current morphological analysis techniques rely on either tracing of cells or two-dimensional projection analysis, which are time-consuming, subject to bias, and may ignore important three-dimensional (3D) information. Therefore, we have created 3DMorph, a MATLAB-based script that analyzes microglial morphology from 3D data. The program initially requires input of threshold levels, cell size expectations, and preferred methods of skeletonization. This makes 3DMorph easily scalable and adaptable to different imaging parameters or cell types. After these settings are defined, the program is completely automatic and can batch process files without user input. Output data includes cell volume, territorial volume, branch length, number of endpoints and branch points, and average distance between cells. We show that 3DMorph is accurate compared to manual tracing, with significantly decreased user input time. Importantly, 3DMorph is capable of processing in vivo microglial morphology, as well as other 3D branching cell types, from mouse cranial windows or acute hippocampal slices. Therefore, we present a novel, user-friendly, scalable, and semiautomatic method of analyzing cell morphology in 3 dimensions. This method should improve the accuracy of cell measurements, remove user bias between conditions, increase reproducibility between experimenters and labs, and reduce user input time. We provide this open source code on GitHub so that it is free and accessible to all investigators.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle