MétaCan
Menu
Retour à la cohorte
Enregistrement W4287832766 · doi:10.3791/64237

Quantification of Immunostained Caspase-9 in Retinal Tissue

2022· article· en· W4287832766 sur OpenAlexaff
Crystal K. Colón Ortiz, Anna M. Potenski, Kendra V. Johnson, Claire W. Chen, Scott J. Snipas, Ying Y. Jean, Maria I. Avrutsky, Carol M. Troy

Notice bibliographique

RevueJournal of Visualized Experiments · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell death mechanisms and regulation
Établissements canadiensColumbia College
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Eye Institute
Mots-clésCaspaseBiologyProteasesProgrammed cell deathApoptosisCell biologyNeuroscienceIntrinsic apoptosisCaspase 2CellComputational biologyGenetics

Résumé

récupéré en direct d'OpenAlex

The family of caspases is known to mediate many cellular pathways beyond cell death, including cell differentiation, axonal pathfinding, and proliferation. Since the identification of the family of cell death proteases, there has been a search for tools to identify and expand the function of specific family members in development, health, and disease states. However, many of the currently commercially available caspase tools that are widely used are not specific for the targeted caspase. In this report, we delineate the approach we have used to identify, validate, and target caspase-9 in the nervous system using a novel inhibitor and genetic approaches with immunohistochemical read-outs. Specifically, we used the retinal neuronal tissue as a model to identify and validate the presence and function of caspases. This approach enables the interrogation of cell-type specific apoptotic and non-apoptotic caspase-9 functions and can be applied to other complex tissues and caspases of interest. Understanding the functions of caspases can help to expand current knowledge in cell biology, and can also be advantageous to identify potential therapeutic targets due to their involvement in disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,393
Écart entre enseignants0,373 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetCell death mechanisms and regulationTravaux en français237 207