Imaging Mass Cytometry identifies structural and cellular composition of the mouse tissue microenvironment
Notice bibliographique
Résumé
Abstract Imaging Mass Cytometry™ (IMC™) is a vital tool to deeply characterize the complexity and diversity of any tissue without disrupting spatial context. The Hyperion™ Imaging System utilizes IMC, based on CyTOF® technology, to assess up to 40 individual structural and functional markers in tissues, providing unprecedented insight into the organization and function of tissue microenvironment. We have previously demonstrated the application of IMC in combination with Maxpar® panel kits on human tissues. Here, we showcase Maxpar OnDemand Antibodies for IMC application including 11 new highly relevant markers to construe cellular and molecular composition of mouse tissues. We analyzed a normal mouse tissue microarray using IMC spatial proteomic analysis. Tissues were stained with a 20-marker panel designed to highlight tissue architecture and major immune lineage markers. We generated a detailed spatial map of the diverse tissue architecture and successfully identified immune, epithelial, and stromal cell populations in various mouse tissues. Additionally, we classified the activation state of immune cell populations, adhesion state of epithelial cells, and molecular composition of the extracellular matrix. This work demonstrates the capability of IMC to identify subcellular localization of cellular and structural markers in the mouse tissue microenvironment. Future studies utilizing IMC in combination with Maxpar OnDemand Antibodies will enable in-depth phenotypic characterization of the tissue microenvironment in various mouse models of development and disease, and thus provide the basis for the use of high-multiplex imaging in preclinical investigations. 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».