Automated quantification of vomeronasal glomeruli number, size, and color composition after immunofluorescent staining
Notice bibliographique
Résumé
Glomeruli are neuropil-rich regions of the main or accessory olfactory bulbs (AOB) where the axons of olfactory or vomeronasal neurons and dendrites of mitral/tufted cells form synaptic connections. In the main olfactory system, olfactory sensory neurons (OSNs) expressing the same receptor innervate 1 or 2 glomeruli. However, in the accessory olfactory system, vomeronasal sensory neurons (VSNs) expressing the same receptor can innervate up to 30 different glomeruli in the AOB. Genetic mutation disrupting genes with a role in defining the identity/diversity of olfactory and vomeronasal neurons can alter the number and size of glomeruli. Interestingly, 2 cell surface molecules, Kirrel2 and Kirrel3, have been indicated as playing a critical role in the organization of axons into glomeruli in the AOB. Being able to quantify differences in glomeruli features, such as number, size, or immunoreactivity for specific markers, is an important experimental approach to validate the role of specific genes in controlling neuronal connectivity and circuit formation in either control or mutant animals. Since the manual recognition and quantification of glomeruli on digital images is a challenging and time-consuming task, we generated a program in Python able to identify glomeruli in digital images and quantify their properties, such as size, number, and pixel intensity. Validation of our program indicates that our script is a fast and suitable tool for high-throughput quantification of glomerular features of mouse lines with different genetic makeup.
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 | 0,000 |
| 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 | 0,000 | 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 ».