MétaCan
Menu
Retour à la cohorte
Enregistrement W4386824148 · doi:10.1073/pnas.2303077120

The human cell count and size distribution

2023· article· en· W4386824148 sur OpenAlexaff
Ian Hatton, Eric D. Galbraith, Nono S. C. Merleau, Teemu P. Miettinen, Benjamin M. Smith, Jeffery A. Shander

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesAlexander von Humboldt-Stiftung
Mots-clésCell sizeCellCell typeBiologyStatisticsMathematicsCell biologyGenetics

Résumé

récupéré en direct d'OpenAlex

Cell size and cell count are adaptively regulated and intimately linked to growth and function. Yet, despite their widespread relevance, the relation between cell size and count has never been formally examined over the whole human body. Here, we compile a comprehensive dataset of cell size and count over all major cell types, with data drawn from >1,500 published sources. We consider the body of a representative male (70 kg), which allows further estimates of a female (60 kg) and 10-y-old child (32 kg). We build a hierarchical interface for the cellular organization of the body, giving easy access to data, methods, and sources (https://humancelltreemap.mis.mpg.de/). In total, we estimate total body counts of ≈36 trillion cells in the male, ≈28 trillion in the female, and ≈17 trillion in the child. These data reveal a surprising inverse relation between cell size and count, implying a trade-off between these variables, such that all cells within a given logarithmic size class contribute an equal fraction to the body's total cellular biomass. We also find that the coefficient of variation is approximately independent of mean cell size, implying the existence of cell-size regulation across cell types. Our data serve to establish a holistic quantitative framework for the cells of the human body, and highlight large-scale patterns in cell biology.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,013

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 Opus0,016
Tête enseignante GPT0,304
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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations170
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCell Image Analysis TechniquesTravaux en français237 207