Cross platform validation of a unique method for deep genomic and proteomic analysis of rare immune cell populations
Notice bibliographique
Résumé
Abstract Advances in flow and mass cytometry expand the number of cell parameters that can be interrogated improving our understanding of the myriad immune cell types. These technologies, however, are limited in the types of analytes profiled in a single sample. In addition to efforts to understand the immune system for the treatment of autoimmune diseases, the immune system is increasingly a target for cancer therapeutics. These efforts require deep characterization to understand rare cell populations, requiring next-generation methods that expand on flow cytometry. 3D Flow™ Analysis integrates flow cytometry cell sorting and the nCounter® Vantage 3D™ RNA:Protein Immune Cell Profiling Assay* to characterize sorted immune cell populations with direct digital counting of 770 RNA and 30 proteins. To determine if the method is agnostic to the cell sorting technology used, 3D Flow analysis was run with the Becton Dickenson FACSARIA IIu, Sony SH800z, and Beckman Coulter MoFloXDP. Stimulated and unstimulated PBMC were co-stained with flow antibodies for CD3, CD8, and CD4 plus 30 DNA-labeled antibodies for NanoString readout. 5,000 CD3+/CD4+ and CD3+/CD8+ cells were sorted on each platform and immediately lysed to release cellular RNA and DNA tags from NanoString antibodies. RNA and DNA tags were directly hybridized to NanoString barcodes and run on the nCounter system. Expression of 30 proteins and 770 RNA across cell populations correlated between the three sorting platforms, showing 3D Flow is agnostic to the sorting technology used. Importantly, high-plex RNA data was obtained without additional molecular biology methods, such as RNA purification or library construction, simplifying incorporation into a flow cytometry laboratory.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».