Quantitative Visualization of Hypoxia and Proliferation Gradients Within Histological Tissue Sections
Notice bibliographique
Résumé
The formation of hypoxic microenvironments within solid tumors is known to contribute to radiation resistance, chemotherapy resistance, immune suppression, increased metastasis, and an overall poor prognosis. It is therefore crucial to understand the spatial and molecular mechanisms that contribute to tumor hypoxia formation to improve the efficacy of radiation treatment, develop hypoxia-directed therapies, and increase patient survival. The objective of this study is to present a number of complementary novel methods for quantifying tumor hypoxia and proliferation in multiplexed immunofluorescence images, especially in relation to the location of perfused blood vessels. A standard marker analysis strategy is to take a positive pixel count approach, in which a threshold for positive stain is used to compute a positive area fraction for hypoxia. This work is a reassessment of that approach, utilizing not only cell segmentation but also distance to nearest blood vessel in order to incorporate spatial information into the analysis. We describe a reproducible pipeline for the visualization and quantitative analysis of hypoxia using a vessel distance analysis approach. This methodological pipeline can serve to further elucidate the relationship between vessel distance and microenvironment-linked markers such as hypoxia and proliferation, can help to quantify parameters relating to oxygen consumption and hypoxic tolerance in tissues, as well as potentially serve as a hypothesis generating tool for future studies testing hypoxia-linked markers.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».