En bloc preparation of Drosophila brains enables high-throughput FIB-SEM connectomics
Notice bibliographique
Résumé
Deriving the detailed synaptic connections of an entire nervous system is the unrealized goal of the nascent field of connectomics. For the fruit fly Drosophila , in particular, we need to dissect the brain, connectives, and ventral nerve cord as a single continuous unit, fix and stain it, and undertake automated segmentation of neuron membranes. To achieve this, we designed a protocol using progressive lowering of temperature dehydration (PLT), a technique routinely used to preserve cellular structure and antigenicity. We combined PLT with low temperature en bloc staining (LTS) and recover fixed neurons as round profiles with darkly stained synapses, suitable for machine segmentation and automatic synapse detection. Here we report three different PLT-LTS methods designed to meet the requirements for FIB-SEM imaging of the Drosophila brain. These requirements include: good preservation of ultrastructural detail, high level of en bloc staining, artifact-free microdissection, and smooth hot-knife cutting to reduce the brain to dimensions suited to FIB-SEM. In addition to PLT-LTS, we designed a jig to microdissect and pre-fix the fly’s delicate brain and central nervous system. Collectively these methods optimize morphological preservation, allow us to image the brain usually at 8 nm per voxel, and simultaneously speed the formerly slow rate of FIB-SEM imaging.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».