A Modified Bleaching Method for Multiplex Immunofluorescence Staining of FFPE Tissue Sections
Notice bibliographique
Résumé
Multiplex immunofluorescence (mIF) staining plays an important role in profiling biomarkers and allows investigation of co-relationships between multiple biomarkers in the same tissue section. The Cell DIVE mIF platform (Leica Microsystems) employs an alkaline solution of hydrogen peroxide as a fluorophore inactivation reagent in the sequential staining, imaging, and bleaching protocol for use on FFPE sections. Suboptimal bleaching efficiency, degradation of tissue structure, and loss of antigen immunogenicity occasionally are encountered with the standard bleaching process. To overcome these impediments, we adopted a modified photochemical bleaching method, which utilizes an intense LED light exposure concurrent with the application of hydrogen peroxide. Repeated stain/bleach rounds with different antibodies were performed on breast tissue and other tissue sections. Residual signal after conventional bleaching and the modified technique were compared and tissue integrity and antigen immunogenicity were assessed. The modified technique effectively eliminates fluorescence signal from previous staining rounds and produces consistent results for multiple rounds of staining and imaging. With the modified method, photochemical treatments did not destroy tissue sub-cellular contents, and the tissue antigenicity was well preserved during the entire mIF process. Overall processing time was reduced from 36 to 30 hours in an mIF procedure with 8 rounds. With the conventional method, tissue quality was highly degraded after 8 rounds. The new technique allows reduced turn-around time, provides reliable fluorophore removal in mIF with excellent maintenance of tissue integrity, facilitating studies of the co-localization of multiple biomarkers in tissues of interest.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».