MétaCan
Menu
Retour à la cohorte
Enregistrement W4313383581 · doi:10.4049/jimmunol.200.supp.120.37

Multicolor Immunophenotyping using Flow Cytometry: Evaluation of Multiple Methods for Instrument Optimization

2018· article· en· W4313383581 sur OpenAlexaff
Jolene A. Bradford, Matthew Shallice, Ramiro Diz, Carol Oxford, Manik Punj, Kate Alford, Phil Donaldson, Barbara M. Seredick, Gayle Buller, Patricia Sardina

Notice bibliographique

RevueThe Journal of Immunology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensThermo Fisher Scientific (Canada)
Organismes subventionnairesnon disponible
Mots-clésSIGNAL (programming language)VoltageFluorescenceFlow cytometryCytometryDetectorPhysicsOptoelectronicsOpticsComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract A basic tool of the Immunologist, multicolor flow cytometry is a technology that uses multiple fluorescent markers to identify and characterize populations of cells. To obtain high quality fluorescent flow cytometry data, a well-optimized instrument is required. The most common type of detector is the photo-multiplier tube (PMT), which amplifies signal from emitted light photons by applying a voltage to the PMT. As the voltage is increased the fluorescent signal is increasingly separated from background, providing greater resolution of the positive signal. However, at a certain voltage, the increasing separation of fluorescent signal from background will plateau and the separation of fluorescent signal from background will remain constant. This is called the minimum voltage required; an ideal minimal voltage will amplify dim signal above background, but is not so high that the fluorescent signal exceeds the upper range of PMT linearity. In most cases, adjusting voltages above the minimal voltage does not increase the separation, while voltages below the minimal voltage requirement compromise detection of dim fluorescent signal. A variety of methods have been proposed to optimize the PMT voltage, most using a technique called the voltage walk, or voltration. This study compares a variety of techniques and calculations, using different types of hard-dyed beads that are detected in all channels but do not include specific fluorophores used for typical experimentation; both cells and antibody-capture beads labeled with fluorophores specific to a detector; Electronic Noise (EN) of the PMT, and methods combining these approaches. For Research Use Only. Not for use in diagnostic procedures.

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)0,021
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,065
Tête enseignante GPT0,353
Écart entre enseignants0,288 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of ImmunologyMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207