MétaCan
Menu
← Retour à la cohorte
Enregistrement W4229040596 · doi:10.1101/2022.05.05.490765

GliaMorph: A modular image analysis toolkit to quantify Müller glial cell morphology

2022· preprint· en· W4229040596 sur OpenAlexafffund
Elisabeth Kugler, Isabel Bravo, Xhuljana Durmishi, Stefania Marcotti, Sara Beqiri, Alicia Carrington, Brian Stramer, Pierre Mattar, Ryan B. MacDonald

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilDirectorate for Biological SciencesMoorfields Eye CharityCanadian Institutes of Health ResearchEuropean Commission
Mots-clésRetinaSegmentationMuller gliaZebrafishModular designArtificial intelligenceComputer scienceCell typeBiologyNeuroscienceCellCell biologyPattern recognition (psychology)Progenitor cell

Résumé

récupéré en direct d'OpenAlex

Abstract Cell morphology is critical for all cell functions. This is particularly true for glial cells as they rely on their complex shape to contact and support neurons. However, methods to quantify complex glial cell shape accurately and reproducibly are lacking. To address this gap in quantification approaches, we developed an analysis pipeline called “ GliaMorph ”. GliaMorph is a modular image analysis toolkit developed to perform (i) image pre-processing, (ii) semi-automatic region-of-interest (ROI) selection, (iii) apicobasal texture analysis, (iv) glia segmentation, and (v) cell feature quantification. Müller Glia (MG) are the principal retinal glial cell type with a stereotypic shape linked to their maturation and physiological status. We here characterized MG on three levels, including (a) global image-level, (b) apicobasal texture, and (c) apicobasal vertical-to-horizontal alignment. Using GliaMorph, we show structural changes occurring in the developing retina. Additionally, we study the loss of cadherin2 in the zebrafish retina, as well as a glaucoma mouse disease model. The GliaMorph toolkit enables an in-depth understanding of MG morphology in the developing and diseased retina. Graphical Abstract Highlights Glial morphology is complex, making it challenging to accurately quantify 3D cell shape. We developed the GliaMorph toolkit for image pre-processing, glial segmentation, and quantification of Müller glial cells. Müller glia elaborate their morphology and rearrange subcellular features during embryonic development. GliaMorph accurately identifies subcellular changes in models with disrupted glia cells, including zebrafish cadherin2 loss of function and a mouse glaucoma 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,005

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetCell Image Analysis Techniques→Travaux en français237 207→