MétaCan
Menu
Retour à la cohorte
Enregistrement W4399882392 · doi:10.1371/journal.pone.0302042

Toto-Cell: A new software to analyze cellular events during video-microscopy

2024· article· en· W4399882392 sur OpenAlexafffund
Léa-Isabelle Renaud, Christophe Renaud, Samuel Delepoulle⋆, Éric Asselin

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMitosisSoftwareComputer scienceVideo microscopyMicroscopyBiologyCell biologyPathologyMedicine

Résumé

récupéré en direct d'OpenAlex

Video-microscopy is a technology widely used to follow, in a single cell manner, cell behavior. A number of new studies are searching a way to track these behaviors by artificial intelligence; unfortunately some real-time events still have to be track manually. For that reason, we developed a software that helps the experimenter to analyze collected data. Toto-cell is very simple to use and it can be adapted at different type of analyses or treatments. It allows a wide new range of parameters that were nearly impossible to calculate only by hand. We thus developed this new software using HEC-1-A endometrial cell line to track different cellular parameters such as: the number of normal/abnormal mitosis, the ratio per day of death, mitosis, cell fusions or finally the length between two mitosis cycles. We treated our cells with cisplatin, doxorubicin or AZD5363 (an Akt inhibitor) to obtain different cellular events. What emerged is a huge heterogeneity for these analyzed parameters between the cells in a single treatment which is clearly demonstrated by the results provided by Toto-Cell. In conclusion, our software is an important tool to facilitate the analysis of video-microscopy, in a quantifying and qualifying manner. It enables a higher accuracy when compared to manual calculations.

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)0,000
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 enseignants0,012
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207