MétaCan
Menu
Retour à la cohorte
Enregistrement W4297424838 · doi:10.1101/2022.09.23.509290

Human olfactory neuronal cells through nasal biopsy: molecular characterization and utility in brain science

2022· preprint· en· W4297424838 sur OpenAlexaff
Kun Yang, Koko Ishizuka, Andrew P. Lane, Zui Narita, Arisa Hayashida, Yukiko Y. Lema, Emma Heffron, Haydn Loudd, Maeve Schumacher, Shin‐ichi Kano, Toshifumi Tomoda, Atsushi Kamiya, Minghong Ma, Donald Geman, Laurent Younès, Akira Sawa

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueOlfactory and Sensory Function Studies
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institutes of HealthNational Alliance for Research on Schizophrenia and Depression
Mots-clésHuman brainNeuroscienceOlfactory epitheliumBiologyOlfactory systemComputational biology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Biopsy is crucial in clinical medicine to obtain tissues and cells that directly reflect the pathological changes of each disease. However, the brain is an exception due to ethical and practical challenges. Nasal biopsy, which captures the olfactory neuronal epithelium, has been considered as an alternative method of obtaining neuronal cells from living patients. Multiple groups have enriched olfactory neuronal cells (ONCs) from biopsied nasal tissue. ONCs can be obtained from repeated biopsies in a longitudinal study, providing mechanistic insight associated with dynamic changes along the disease trajectory and treatment response. Nevertheless, molecular characterization of biopsied nasal cells/tissue has been insufficient. Taking advantage of recent advances in next-generation sequencing technologies at the single-cell resolution and related rich public databases, we aimed to define the neuronal characteristics, homogeneity, and utility of ONCs. We applied single-cell and bulk RNA sequencing for ONCs, analyzing and comparing the data with multiple public datasets. We observed that the molecular signatures of ONCs are similar to those of neurons, distinct from major glial cells. The signatures of ONCs resemble those of developing neurons and share features of excitatory neurons in the prefrontal and cingulate cortex. The high homogeneity of ONCs is advantageous in pharmacological, functional, and protein studies. Accordingly, we provide two proof-of-concept examples for functional and protein studies, solidifying the utility of ONCs in studying objective biomarkers and molecular mechanisms for brain disorders. The ONCs may also be useful in the studies for the olfactory epithelium impairment and the resultant mental dysfunction elicited by SARS-CoV-2. SIGNIFICANCE STATEMENT To study dynamic changes and underlying mechanisms along disease trajectory and treatment response in neuropsychiatric disorders, olfactory neuronal cells (ONCs) enriched from biopsied nasal tissue may provide a crucial tool. Because ONCs can be obtained from repeated biopsies in a longitudinal study, this tool has been believed to be useful and complementary to postmortem brains and induced pluripotent stem cell-derived neurons. Nevertheless, molecular characterization of biopsied nasal cells/tissue has been insufficient, which hampers a broader use of this resource. Taking advantage of recent advances in next-generation sequencing technologies at the single-cell resolution and related rich public databases, the present study defines ONCs’ neuronal characteristics, homogeneity, and unique utility for the first time.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,071
Tête enseignante GPT0,258
Écart entre enseignants0,187 · 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'étudeObservationnel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetOlfactory and Sensory Function StudiesTravaux en français237 207