Quantitative diagnosis of amyloid without Congo red staining using polarized light microscopy
Notice bibliographique
Résumé
Amyloidosis is a protein misfolding disease caused by the deposition of large, insoluble aggregates (amyloid fibrils) of protein in a tissue, which has been associated with various conditions, such as lymphoid disorders, Alzheimer's disease, diabetes mellitus type 2, chronic inflammatory processes, and cancers. Amyloid fibrils are commonly diagnosed by qualitative observation of green birefringence from Congo red-stained biopsy tissue samples under polarized light, a technique that is limited by lack of specificity, dependence on subjective interpretation, and technical constraints. Studies emphasize the utility of quantitative polarized light microscopy (PLM) methodology to diagnose amyloid fibrils in Congo red-stained tissues. However, while Congo red enhances the intrinsic birefringence of amyloid fibrillar structures, there are significant disadvantages, such as the appearance of multiple non-green colors under polarized light and binding to other structures, which may result in misdiagnoses with Congo red dye and inconclusive explanations. In this work, we present an improved PLM methodology for the quantitative detection of amyloid fibrils without requiring Congo red staining. We perform PLM measurements on four tissues: abdominal subcutaneous tissue biopsy, duodenal biopsy, thyroid biopsy, and breast biopsy, both with Congo red stain and hematoxylin and eosin (H&E) stain, and through Fourier analysis, quantify birefringence, birefringent axis orientation, dichroism, optical activity, and relative amyloid density. These results emphasize a quantitative analysis for amyloid diagnosis rooted in Fourier signal harmonics that does not require Congo red dye and paves the way for rapid, simple, and accurate diagnosis of amyloid fibrils.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».