DNA Methylation–Based Assessment of Cell Composition in Human Pancreas and Islets
Notice bibliographique
Résumé
Assessment of pancreas cell type composition is crucial to the understanding of the genesis of diabetes. Current approaches use immunodetection of protein markers, for example, insulin as a marker of β-cells. A major limitation of these methods is that protein content varies in physiological and pathological conditions, complicating the extrapolation to actual cell number. Here, we demonstrate the use of cell type-specific DNA methylation markers for determining the fraction of specific cell types in human islet and pancreas specimens. We identified genomic loci that are uniquely demethylated in specific pancreatic cell types and applied targeted PCR to assess the methylation status of these loci in tissue samples, enabling inference of cell type composition. In islet preparations, normalization of insulin secretion to β-cell DNA revealed similar β-cell function in pre-type 1 diabetes (T1D), T1D, and type 2 diabetes (T2D), which was significantly lower than in donors without diabetes. In histological pancreas specimens from recent-onset T1D, this assay showed β-cell fraction within the normal range, suggesting a significant contribution of β-cell dysfunction. In T2D pancreata, we observed increased α-cell fraction and normal β-cell fraction. Methylation-based analysis provides an accurate molecular alternative to immune detection of cell types in the human pancreas, with utility in the interpretation of insulin secretion assays and the assessment of pancreas cell composition in health and disease.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 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 ».