MétaCan
Menu
Retour à la cohorte
Enregistrement W2944382010 · doi:10.1039/c9nr01967g

Super-resolution microscopy can identify specific protein distribution patterns in platelets incubated with cancer cells

2019· article· en· W2944382010 sur OpenAlexaff
Jan Bergstrand, Lei Xu, Xinyan Miao, Nailin Li, Ozan Öktem, Bo Franzén, Gert Auer, Marta Lomnytska, Jerker Widengren

Notice bibliographique

RevueNanoscale · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood properties and coagulation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesStockholms Läns LandstingKungliga Tekniska HögskolanUppsala UniversitetCancerfonden
Mots-clésResolution (logic)MicroscopyPlateletDistribution (mathematics)NanotechnologyCancer cellCancerMaterials scienceBiophysicsComputational biologyBiologyComputer sciencePathologyImmunologyArtificial intelligenceMedicineMathematicsGenetics

Résumé

récupéré en direct d'OpenAlex

Protein contents in platelets are frequently changed upon tumor development and metastasis. However, how cancer cells can influence protein-selective redistribution and release within platelets, thereby promoting tumor development, remains largely elusive. With fluorescence-based super-resolution stimulated emission depletion (STED) imaging we reveal how specific proteins, implicated in tumor progression and metastasis, re-distribute within platelets, when subject to soluble activators (thrombin, adenosine diphosphate and thromboxane A2), and when incubated with cancer (MCF-7, MDA-MB-231, EFO21) or non-cancer cells (184A1, MCF10A). Upon cancer cell incubation, the cell-adhesion protein P-selectin was found to re-distribute into circular nano-structures, consistent with accumulation into the membrane of protein-storing alpha-granules within the platelets. These changes were to a significantly lesser extent, if at all, found in platelets incubated with normal cells, or in platelets subject to soluble platelet activators. From these patterns, we developed a classification procedure, whereby platelets exposed to cancer cells, to non-cancer cells, soluble activators, as well as non-activated platelets all could be identified in an automatic, objective manner. We demonstrate that STED imaging, in contrast to electron and confocal microscopy, has the necessary spatial resolution and labelling efficiency to identify protein distribution patterns in platelets and can resolve how they specifically change upon different activations. Combined with image analyses of specific protein distribution patterns within the platelets, STED imaging can thus have a role in future platelet-based cancer diagnostics and therapeutic monitoring. The presented approach can also bring further clarity into fundamental mechanisms for cancer cell-platelet interactions, and into non-contact cell-to-cell interactions in general.

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 enseignants0,135
Score d'incertitude au seuil0,452

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 Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,235 · 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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetBlood properties and coagulationTravaux en français237 207