Large-Scale Image Analysis for Investigating Spatio-Temporal Changes in Nuclear DNA Damage Caused by Nitrogen Atmospheric Pressure Plasma Jets
Notice bibliographique
Résumé
The effective clinical application of atmospheric pressure plasma jet (APPJ) treatments requires a well-founded methodology that can describe the interactions between the plasma jet and a treated sample and the temporal and spatial changes that result from the treatment. In this study, we developed a large-scale image analysis method to identify the cell-cycle stage and quantify damage to nuclear DNA in single cells. The method was then tested and used to examine spatio-temporal distributions of nuclear DNA damage in two cell lines from the same anatomic location, namely the oral cavity, after treatment with a nitrogen APPJ. One cell line was malignant, and the other, nonmalignant. The results showed that DNA damage in cancer cells was maximized at the plasma jet treatment region, where the APPJ directly contacted the sample, and declined radially outward. As incubation continued, DNA damage in cancer cells decreased slightly over the first 4 h before rapidly decreasing by approximately 60% at 8 h post-treatment. In nonmalignant cells, no damage was observed within 1 h after treatment, but damage was detected 2 h after treatment. Notably, the damage was 5-fold less than that detected in irradiated cancer cells. Moreover, examining damage with respect to the cell cycle showed that S phase cells were more susceptible to DNA damage than either G1 or G2 phase cells. The proposed methodology for large-scale image analysis is not limited to APPJ post-treatment applications and can be utilized to evaluate biological samples affected by any type of radiation, and, more so, the cell-cycle classification can be used on any cell type with any nuclear DNA staining.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».