Comparative Analysis of SPLICS and MCS-DETECT for Detecting Mitochondria-ER Contact Sites (MERCs)
Notice bibliographique
Résumé
Detection of mitochondria-ER contacts (MERCs) from diffraction limited confocal images commonly uses fluorescence colocalization analysis of mitochondria and endoplasmic reticulum (ER) as well as split fluorescent probes, such as the split-GFP-based contact site sensor (SPLICS). However, inter-organelle distances (∼10–60 nm) for MERCs are lower than the 200–250 nm diffraction limited resolution obtained by standard confocal microscopy. Super-resolution microscopy of 3D volume analysis provides a two-fold resolution improvement (∼120 nm XY; 250 nm Z), which remains unable to resolve MERCs. MCS-DETECT, a membrane contact site (MCS) detection algorithm faithfully detects elongated ribosome-studded riboMERCs when applied to 3D STED super-resolution image volumes. Here, we expressed the SPLICS L reporter in HeLa cells co-transfected with the ER reporter RFP-KDEL and label fixed cells with antibodies to RFP and the mitochondrial protein TOM20. MCS-DETECT analysis of 3D STED volumes was compared to contacts determined by co-occurrence colocalization analysis of mitochondria and ER or the SPLICS L probe. Percent mitochondria coverage by MCS-DETECT derived contacts was significantly smaller than those obtained for colocalization analysis or SPLICS L , and more closely matched contact site metrics obtained by 3D electron microscopy. Further, STED analysis localized a subset of the SPLICS L label to mitochondria with some SPLICS L puncta observed to be completely enveloped by mitochondria in 3D views. These data suggest that MCS-DETECT reports on a limited set of MERCs that more closely corresponds to those observed by EM.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».