An image-based flow cytometric approach to the assessment of the nucleus-to-cytoplasm ratio
Notice bibliographique
Résumé
The nucleus-to-cytoplasm ratio (N:C) can be used as one metric in histology for grading certain types of tumor malignancy. Current N:C assessment techniques are time-consuming and low throughput. Thus, in high-throughput clinical contexts, there is a need for a technique that can assess cell malignancy rapidly. In this study, we assess the N:C ratio of four different malignant cell lines (OCI-AML-5-blood cancer, CAKI-2-kidney cancer, HT-29-colon cancer, SK-BR-3-breast cancer) and a non-malignant cell line (MCF-10A -breast epithelium) using an imaging flow cytometer (IFC). Cells were stained with the DRAQ-5 nuclear dye to stain the cell nucleus. An Amnis ImageStreamX® IFC acquired brightfield/fluorescence images of cells and their nuclei, respectively. Masking and gating techniques were used to obtain the cell and nucleus diameters for 5284 OCI-AML-5 cells, 1096 CAKI-2 cells, 6302 HT-29 cells, 3159 SK-BR-3 cells, and 1109 MCF-10A cells. The N:C ratio was calculated as the ratio of the nucleus diameter to the total cell diameter. The average cell and nucleus diameters from IFC were 12.3 ± 1.2 μm and 9.0 ± 1.1 μm for OCI-AML5 cells, 24.5 ± 2.6 μm and 15.6 ± 2.1 μm for CAKI-2 cells, 16.2 ± 1.8 μm and 11.2 ± 1.3 μm for HT-29 cells, 18.0 ± 3.7 μm and 12.5 ± 2.1 μm for SK-BR-3 cells, and 19.4 ± 2.2 μm and 10.1 ± 1.8 μm for MCF-10A cells. Here we show a general N:C ratio of ~0.6-0.7 across varying malignant cell lines and a N:C ratio of ~0.5 for a non-malignant cell line. This study demonstrates the use of IFC to assess the N:C ratio of cancerous and non-cancerous cells, and the promise of its use in clinically relevant high-throughput detection scenarios to supplement current workflows used for cancer cell grading.
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) | 0,000 | 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 ».