A quantitative super-resolution imaging toolbox for diagnosis of motile ciliopathies
Notice bibliographique
Résumé
Airway clearance of pathogens and particulates relies on motile cilia. Impaired cilia motility can lead to reduction in lung function, lung transplant, or death in some cases. More than 50 proteins regulating cilia motility are linked to primary ciliary dyskinesia (PCD), a heterogeneous, mainly recessive genetic lung disease. Accurate PCD molecular diagnosis is essential for identifying therapeutic targets and for initiating therapies that can stabilize lung function, thereby reducing socioeconomic impact of the disease. To date, PCD diagnosis has mainly relied on nonquantitative methods that have limited sensitivity or require a priori knowledge of the genes involved. Here, we developed a quantitative super-resolution microscopy workflow: (i) to increase sensitivity and throughput, (ii) to detect structural defects in PCD patients' cells, and (iii) to quantify motility defects caused by yet to be found PCD genes. Toward these goals, we built a localization map of PCD proteins by three-dimensional structured illumination microscopy and implemented quantitative image analysis and machine learning to detect protein mislocalization, we analyzed axonemal structure by stochastic optical reconstruction microscopy, and we developed a high-throughput method for detecting motile cilia uncoordination by rotational polarity. Together, our data show that super-resolution methods are powerful tools for improving diagnosis of motile ciliopathies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».