MétaCan
Menu
Retour à la cohorte
Enregistrement W4390338919 · doi:10.1038/s41598-023-49611-2

Comparative analysis of methods to reduce activation signature gene expression in PBMCs

2023· article· en· W4390338919 sur OpenAlexafffund
Lovatiana Andriamboavonjy, Adam MacDonald, Laura K. Hamilton, Marjorie Labrecque, Marie‐Noëlle Boivin, Jason Karamchandani, Jo Anne Stratton, Martine Tétreault

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensMcGill UniversityMontreal Neurological Institute and HospitalUniversité de Montréal
Organismes subventionnairesCourtois FoundationCentre Hospitalier Universitaire de QuébecUniversité LavalSchlumberger FoundationFonds de Recherche du Québec - SantéMichael J. Fox Foundation for Parkinson's Research
Mots-clésTranscriptomePeripheral blood mononuclear cellEx vivoGene expressionGene expression profilingBiologyIn vivoGeneImmune systemCell biologyIn vitroComputational biologyImmunologyMolecular biologyGenetics

Résumé

récupéré en direct d'OpenAlex

Preserving the in vivo cell transcriptome is essential for accurate profiling, yet factors during cell isolation including time ex vivo and temperature induce artifactual gene expression, particularly in stress-responsive immune cells. In this study, we investigated two methods to mitigate ex vivo activation signature gene (ASG) expression in peripheral blood mononuclear cells (PBMCs): transcription and translation inhibitors (TTis) and cold temperatures during isolation. Comparative analysis of PBMCs isolated with TTis revealed reduced ASG expression. However, TTi treatment impaired responsiveness to LPS stimulation in subsequent in vitro experiments. In contrast, cold isolation methods also prevented ASG expression; up to a point where the addition of TTis during cold isolation offered minimal additional advantage. These findings highlight the importance of considering the advantages and drawbacks of different isolation methods to ensure accurate interpretation of PBMC transcriptomic profiles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,380
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetRNA Interference and Gene DeliveryTravaux en français237 207