MétaCan
Menu
Retour à la cohorte
Enregistrement W3045647555 · doi:10.3389/fncir.2020.00047

A Simple and Efficient Method for Visualizing Individual Cells in vivo by Cre-Mediated Single-Cell Labeling by Electroporation (CREMSCLE)

2020· article· en· W3045647555 sur OpenAlexafffund
Anne Schohl, Zahraa Chorghay, Edward S. Ruthazer

Notice bibliographique

RevueFrontiers in Neural Circuits · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésElectroporationSingle-cell analysisBiologyCellNeuroscienceCell biologyCell typeTransduction (biophysics)Context (archaeology)BiophysicsGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Efficient methods for visualizing cell morphology in the intact animal are of great benefit to the study of structural development in the nervous system. Quantitative analysis of the complex arborization patterns of brain cells informs cell-type classification, dissection of neuronal circuit wiring, and the elucidation of growth and plasticity mechanisms. Time-lapse single-cell morphological analysis requires labelling and imaging of single cells in situ without contamination from the ramified processes of other nearby cells. Here, using the Xenopus laevis optic tectum as a model system, we describe CRE-Mediated Single-Cell Labeling by Electroporation (CREMSCLE), a technique we developed based on bulk co-electroporation of Cre-dependent inducible expression vectors, together with very low concentrations of plasmid encoding Cre recombinase. This method offers efficient, sparse labeling in any brain area where bulk electroporation is possible. Unlike juxtacellular single-cell electroporation methods, CREMSCLE relies exclusively on the bulk electroporation technique, circumventing the need to precisely position a micropipette next to the target cell. Compared with viral transduction methods, it is fast and safe, generating high levels of expression within 24 h of introducing non-infectious plasmid DNA. In addition to increased efficiency of single-cell labelling, we confirm that CREMSCLE also allows for efficient co-expression of multiple gene products in the same cell. Furthermore, we demonstrate that this method is particularly well-suited for labeling immature neurons to follow their maturation over time. This approach therefore lends itself well to time-lapse morphological studies, particularly in the context of early neuronal development and under conditions that prevent more difficult visualized juxtacellular electroporation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Neural CircuitsMême sujetMicrobial Inactivation MethodsTravaux en français237 207