Marker-independent imaging reveals a correlation of fibrotic and epigenetic alterations in endometriosis
Notice bibliographique
Résumé
Abstract Introduction Endometriosis describes the presence of endometrial glands outside of the uterus and can cause various symptoms such as chronic pelvic pain, hypermenorrhea and infertility. These complications pose an extreme burden on the patients, especially as up to date, the average time until diagnosis can consume several years and requires invasive laparoscopy. Objectives The aim of this study is to molecularly characterize endometrium and endometriosis using marker-independent Raman microspectroscopy to identify potential biomarkers and validate its diagnostic potential. Methods After histopathological characterization of tissue sections of human endometrium and endometriosis, Raman microspectroscopy was performed on the gland region. Multivariate analysis of the hyperspectral maps was used to localize major subcellular structures and further decipher their molecular composition. Samples from different anatomical regions and throughout all menstrual cycle phases were analyzed. Results Raman imaging enabled label-free visualization of tissue morphology and submolecular tissue characterization. Distinct differences between endometrium and endometriosis were found for collagen type I and nuclear signatures. Spectral deconvolution allowed identification of a Raman biomarker indicative of fibrotic changes in endometriosis samples. Additionally, a significant increase in epigenetic 5mC foci and an increased signal intensity relevant for methylations was detected in nuclei of endometriosis. Furthermore, a neural network-based classification of Raman data resulted in high accuracies in discriminating endometrial and peritoneal tissue from endometriosis. Conclusion The non-destructive approach by hyperspectral Raman imaging enabled for molecular sensitive characterization of endometriotic lesions which could not only be an asset in complementing histopathological tissue evaluation but combined with data-driven classification models support in situ tissue diagnosis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».