High-Throughput Optical Controlling and Recording Calcium Signal in iPSC-Derived Cardiomyocytes for Toxicity Testing and Phenotypic Drug Screening
Notice bibliographique
Résumé
Understanding how excitable cells work in health and disease and how that behavior can be altered by small molecules or genetic manipulation is important. Genetically encoded calcium indicators (GECIs) with multiple emission windows can be combined (e.g., for simultaneous observation of distinct subcellular events) or used in extended applications with other light-dependent actuators in excitable cells (e.g., combining genetically encoded optogenetic control with spectrally compatible calcium indicators). Such approaches have been used in primary or stem cell-derived neurons, cardiomyocytes, and pancreatic beta-cells. However, it has been challenging to increase the throughput, or duration of observation, of such approaches due to limitations of the instruments, analysis software, indicator performance, and gene delivery efficiency. Here, a high-performance green GECI, mNeonGreen-GECO (mNG-GECO), and red-shifted GECI, K-GECO, is combined with optogenetic control to achieve all-optical control and visualization of cellular activity in a high-throughput imaging format using a High-Content Imaging System. Applications demonstrating cardiotoxicity testing and phenotypic drug screening with healthy and patient-derived iPSC-CMs are shown. In addition, multi-parametric assessments using combinations of spectral and calcium affinity indicator variants (NIR-GECO, LAR-GECO, and mtGCEPIA or Orai1-G-GECO) are restricted to different cellular compartments are also demonstrated in the iPSC-CM model.
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) | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».