Quantification of Neural Progenitor Cells From Zika Virus-Infected Zebrafish Embryos
Notice bibliographique
Résumé
Zika virus (ZIKV), an arthropod-borne orthoflavivirus, has emerged as a global health concern due to its ability to cause severe fetal neurological disorders, leading to the congenital Zika syndrome (CZS) in neonates. Vertical transmission during pregnancy can alter neural progenitor cell (NPC) proliferation and differentiation and induce apoptosis, leading to microcephaly and other neurodevelopmental abnormalities. While mammalian models have been used to study the impact of ZIKV on NPC behavior, limitations such as high costs, dedicated time, and ethical constraints have fostered the exploration of alternative systems. The zebrafish embryo constitutes an advantageous in vivo model for studying ZIKV neuropathogenesis. Indeed, ZIKV infection phenocopies several features of the CZS while sharing a conserved neuroanatomical layout and offering genetic plasticity and unique accessibility to the infected brain compared to mammals. Here, we describe a protocol for characterizing ZIKV-induced defects of NPCs in this zebrafish model, relying on whole animal flow cytometry. Key features • This protocol introduces a novel and straightforward zebrafish-based system for studying ZIKV-induced neuropathogenesis. • The protocol employs an unbiased methodology for flow cytometry-based quantification of neural progenitor cells from whole embryos. • This protocol can be transposed to any transgenic reporter zebrafish lines producing specific fluorescent cell populations.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».