Single-cell RNA-sequencing of bronchoscopy specimens: development of a rapid, minimal-handling protocol
Notice bibliographique
Résumé
Abstract Single-cell RNA-sequencing (scRNA-seq) is an important tool for understanding disease pathophysiology, including airways diseases. Currently, the majority of scRNA-seq studies in airways diseases have used invasive methods (airway biopsy, surgical resection) which carry inherent risks and thus present a major limitation to scRNA-seq investigation of airway pathology. Bronchial brushing, where the airway mucosa is sampled using a cytological brush, is a viable, less invasive method of obtaining airway cells for scRNA-seq. Here we are describing the development of a rapid and minimal-handling protocol for preparing single cell suspensions from bronchial brush specimens for scRNA-seq. Our optimized protocol maximises cell recovery and cell quality, and may facilitate large-scale profiling of the airway transcriptome at single cell resolution. Lay abstract Single-cell RNA-sequencing (scRNA-seq) measures the gene expression of individual cells, and may be useful for understanding disease processes. scRNA-seq may be used to investigate lung diseases, but using invasive methods such as biopsy or surgery limits our ability to conduct large research studies. Bronchial brushing, where a soft brush is used to collect cells from inside the lungs, is a safer method but we need a better way to isolate individual cells from the brush specimens. We developed a method that is faster and involves less handling of the specimens compared to other published methods. Our method may therefore be useful for conducting large scRNA-seq studies in lung diseases.
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 | 0,003 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,007 |
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 ».