Single cell analysis of population-wide nuclear and cytosolic drug responses using high-content FRET imaging: measuring protein kinase activation in rat primary striatal neurons
Notice bibliographique
Résumé
Abstract Genetically-encoded biosensors are used to track biochemical activities in living cells by measuring changes in fluorescence emitted by one or more fluorescent proteins. In the present article, we describe the application of genetically-encoded FRET biosensors with high content microscopy to image the signaling responses of thousands of neurons in response to drug treatments. We applied this approach to reveal intercellular variation in signaling responses among cultured striatal neurons stimulated with multiple drugs. The striatum is largely composed of medium-spiny GABAergic neurons which are divided into two broad sub-types based in part on their expression of dopamine D1 vs. D2 receptors. Using high content FRET imaging and immunofluorescence, we identified neuronal sub-populations with unique responses to pharmacological manipulation. Focusing on dopamine- and glutamate-regulated PKA and ERK1/2 signaling in both the cytoplasm and nucleus, we identified pronounced intercellular differences, in both the magnitude and kinetics of signaling responses to drug application. Importantly, we found that a conventional “bulk” analysis that included all cells in culture yielded a different rank order of drug potency than that revealed by our single-cell analysis. The high degree of heterogeneity that we observed at the single cell level would not have been detectable using common population-level analyses, derived for example from western blotting or plate reader-based measurements. In conclusion, our single-cell analytical approach highlights the limitations of population-level analyses, and provides a novel way to study signaling biology.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».