Single-cell analysis of the human pancreas in type 2 diabetes using multi-spectral imaging mass cytometry
Notice bibliographique
Résumé
SUMMARY Type 2 diabetes mellitus (T2D) is a chronic age-related disorder characterized by hyperglycemia due to the failure of pancreatic beta cells to compensate for increased insulin demand, typically associated with peripheral insulin resistance. However, despite decades of research, the pathogenic mechanisms underlying T2D remain poorly defined. Imaging mass cytometry (IMC) enables multiplexed assessment of the abundance and subcellular localization of multiple proteins on the same tissue section. Herein, we utilized IMC with a panel of 34 antibodies to quantify key markers of pancreatic exocrine, islet, and immune cells as well as stromal components. We employed this panel to analyze over 2.1 million cells from 16 pancreata obtained from donors with T2D and 13 pancreata from age similar non-diabetic controls. In the T2D pancreata, we observed significant alterations in islet architecture, endocrine cell composition, and surprisingly immune cell constituents. Thus, both HLA-DR positive CD8 T cells and macrophages were enriched intra-islet in the T2D pancreas. These efforts demonstrate the utility of IMC to investigate complex events at the cellular level in order to provide new insights into the pathophysiology of T2D.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».