A One Health Approach to Simple Liquid Sample Handling for Respiratory Based -Omics Analysis; Tracheal Wash and Bronchoalveolar Lavage Fluid
Notice bibliographique
Résumé
Abstract Airway inflammation is highly prevalent in horses, with the majority of non-infectious cases being defined as equine asthma. Currently, cytological analysis of airway derived samples is the principal method of assessing lower airway inflammation. Samples can be obtained by tracheal wash (TW) or by lavage of the lower respiratory tract (bronchoalveolar lavage fluid; BALF). Although BALF cytology carries significant diagnostic advantages over TW cytology, sample acquisition is invasive, making it prohibitive for routine and sequential-screening of airway health. The aim of this study was to establish a robust protocol to isolate macrophages, protein and RNA for molecular characterisation of TW samples and demonstrate the applicability of sample handling to rodent and human pediatric bronchoalveolar lavage fluid isolates. TW samples provided a good quality and yield of both RNA and protein for downstream transcriptomic/proteomic analyses. The sample handling methodologies were successfully applicable to BALF for rodent and human research. TW samples represent a rich source of airway cells, and molecular analysis to facilitate and study airway inflammation, based on both transcriptomic and proteomic analysis. This study provides a necessary methodological platform for future transcriptomic and/or proteomic studies on equine lower respiratory tract secretions and BALF samples from humans and mice.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».