‘Iterative Bleaching Extends Multiplexity’ facilitates simultaneous identification of all major retinal cell types
Notice bibliographique
Résumé
To understand the multicellular composition of tissues, and how it is altered during development, ageing and/or disease, we must visualise the complete cellular landscape. Currently, this is hindered by our limited ability to combine multiple cellular markers. To overcome this, we adapted a highly multiplexed immunofluorescence (IF) technique called 'Iterative Bleaching Extends Multiplexity' (IBEX) to the zebrafish retina. We optimised fluorescent antibody micro-conjugation to perform sequential rounds of labelling on a single tissue to simultaneously visualise all major retinal cell types with 11 cell-specific antibodies. We further adapted IBEX to be compatible with fluorescent transgenic reporter lines, in situ hybridisation chain reaction (HCR), and whole-mount immunofluorescence (WMIF). We applied IBEX at multiple stages to study the spatial and temporal relationships between glia and neurons during retinal development. Finally, we demonstrate the utility of IBEX across species by testing it on the turquoise killifish (Nothobranchius furzeri) and African clawed frog (Xenopus laevis) to glean large amounts of information from precious tissues. These techniques will revolutionise our ability to visualise multiple cell types in any organism where antibodies are readily available.
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 | 0,001 | 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 | 0,000 |
| 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 ».