Tunable PhenoCycler imaging of the murine pre-clinical tumour microenvironments
Notice bibliographique
Résumé
BACKGROUND: The tumour microenvironment (TME) consists of tumour-supportive immune cells, endothelial cells, and fibroblasts. PhenoCycler, a high-plex single cell spatial biology imaging platform, is used to characterize the complexity of the TME. Researchers worldwide harvest and bank tissues from mouse models which are employed to model a plethora of human disease. With the explosion of interest in spatial biology, these panoplies of archival tissues provide a valuable resource to answer new questions. Here, we describe our protocols for developing tunable PhenoCycler multiplexed imaging panels and describe our open-source data analysis pipeline. Using these protocols, we used PhenoCycler to spatially resolve the TME of 8 routinely employed pre-clinical models of lymphoma, breast cancer, and melanoma preserved as FFPE. RESULTS: Our data reveal distinct TMEs in the different cancer models that were imaged and show that cell-cell contacts differ depending on the tumour type examined. For instance, we found that the immune infiltration in a murine model of melanoma is altered in cellular organization in melanomas that become resistant to αPD-1 therapy, with depletions in a number of cell-cell interactions. CONCLUSIONS: This work presents a valuable resource study seamlessly adaptable to any field of research involving murine models. The methodology described allows researchers to address newly formed hypotheses using archival materials, bypassing the new to perform new mouse studies.
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 | 0,000 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».