PASTA: Versatile Tyramine-oligonucleotide Amplification for Multi-modal Spatial Biology
Notice bibliographique
Résumé
Spatial proteomics techniques have revolutionized our understanding of tissue architecture, but are frequently limited by detection sensitivity, bioconjugation limitations, multiplexing capacity, and multi-modal integration. Here we present P rotein and nucleic A cid S erial T yramine A mplification (PASTA), a novel signal amplification approach that significantly enhances detection sensitivity while maintaining compatibility with diverse spatial profiling methodologies. PASTA utilizes horseradish peroxidase (HRP) recruitment pathways to generate tyramine radicals that deposit oligonucleotides, enabling adaptable signal amplification across multiple biomarkers at high-plex via cyclical imaging using complementary fluorophore-labeled oligonucleotides. We demonstrate that PASTA achieves up to 100-fold signal enhancement for markers with minimal background in blank controls. The method is compatible with in situ hybridization for DNA/RNA detection, proximity ligation assays for protein-protein interactions, sequential antibody staining protocols, or any modular combination thereof. PASTA enables antibody rescue of markers with suboptimal signal-to-noise ratios and is versatile in its applications to unconjugated antibodies, and multi-round probe-based RNA detection systems beyond current capabilities. This technique addresses key limitations in spatial-omics by enhancing sensitivity for challenging targets while maintaining compatibility with established multiplexing strategies, providing a versatile, cost-efficient, and valuable tool for comprehensive spatial tissue analysis in both research and clinical applications.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».