SuperResNET – single-molecule network analysis detects changes to clathrin structure induced by small-molecule inhibitors
Notice bibliographique
Résumé
SuperResNET is a network analysis pipeline for the analysis of point cloud data generated by single-molecule localization microscopy (SMLM). Here, we applied SuperResNET network analysis of SMLM direct stochastic optical reconstruction microscopy (dSTORM) data to determine how the clathrin endocytosis inhibitors pitstop 2, dynasore and latrunculin A (LatA) alter the morphology of clathrin-coated pits. SuperResNET analysis of HeLa and Cos7 cells identified three classes of clathrin structures: small oligomers (class I), pits and vesicles (class II), and larger clusters corresponding to fused pits or clathrin plaques (class III). Pitstop 2 and dynasore treatment induced distinct homogeneous populations of class II structures in HeLa cells, suggesting that they arrest endocytosis at different stages. Inhibition of endocytosis was not via actin depolymerization, as the actin-depolymerizing agent LatA induced large, heterogeneous clathrin structures. Ternary analysis of SuperResNET shape features presented a distinct more planar profile for blobs from pitstop 2-treated cells, which aligned with clathrin pits identified with high-resolution minimal photon fluxes (MINFLUX) microscopy, whereas control structures resembled MINFLUX clathrin vesicles. SuperResNET analysis therefore showed that pitstop 2 arrests clathrin pit maturation at early stages of pit formation, representing an approach to detect the effect of small molecules on target structures in situ in the cell from SMLM datasets.
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 | 0,002 |
| 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 ».