Label-free long-term measurements of adipocyte differentiation from patient-driven fibroblasts and quantitative analyses of in situ lipid droplet generation
Notice bibliographique
Résumé
The visualization and tracking of adipocytes and their lipid droplets (LDs) during differentiation are pivotal in developmental biology and regenerative medicine studies. Traditional staining or labeling methods, however, pose significant challenges due to their labor-intensive sample preparation, potential disruption of intrinsic cellular physiology, and limited observation timeframe. This study introduces a novel method for long-term visualization and quantification of biophysical parameters of LDs in unlabeled adipocytes, utilizing the refractive index (RI) distributions of LDs and cells. We employ low-coherence holotomography (HT) to systematically investigate and quantitatively analyze the 42-day redifferentiation process of fat cells into adipocytes. This technique yields three-dimensional, high-resolution refractive tomograms of adipocytes, enabling precise segmentation of LDs based on their elevated RI values. Subsequent automated analysis quantifies the mean concentration, volume, projected area, and dry mass of individual LDs, revealing a gradual increase corresponding with adipocyte maturation. Our findings demonstrate that HT is a potent tool for non-invasively monitoring live adipocyte differentiation and analyzing LD accumulation. This study, therefore, offers valuable insights into adipogenesis and lipid research, establishing HT and image-based analysis as a promising approach in these fields.
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 ».