Spatial transcriptomics for profiling the tropism of viral vectors in tissues
Notice bibliographique
Résumé
A barrier to advancing engineered adeno-associated viral vectors (AAVs) for precision access to cell subtypes is a lack of high-throughput, high-resolution assays to characterize in vivo transduction profiles. In this study, we developed an ultrasensitive, sequential fluorescence in situ hybridization (USeqFISH) method for spatial transcriptomic profiling of endogenous and viral RNA with a short barcode in intact tissue volumes by integrating hydrogel-based tissue clearing, enhanced signal amplification and multiplexing using sequential labeling. Using USeqFISH, we investigated the transduction and cell subtype tropisms across mouse brain regions of six systemic AAVs, including AAV-PHP.AX, a new variant that transduces robustly and efficiently across neurons and astrocytes. Here we reveal distinct cell subtype biases of each AAV variant, including a bias of AAV-PHP.N toward excitatory neurons. USeqFISH also enables profiling of pooled regulatory cargos, as we show for a 13-variant pool of microRNA target sites in AAV genomes. Lastly, we demonstrate potential applications of USeqFISH for in situ AAV profiling and multimodal single-cell analysis in non-human primates.
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 | 0,001 | 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 ».