NanoString Technologies Neuropathology Panel Produces Unreliable Measurements of Mouse Hippocampal Gene Expression
Notice bibliographique
Résumé
Abstract Technologies for measuring gene expression (i.e., the number of RNA transcripts) of large numbers of genes simultaneously in specific tissues have exploded in recent years. Current methods include high-throughput RNA sequencing (RNA-seq), transcript counting platforms like NanoString’s nCounter®, and spatially resolved techniques based on fluorescent in situ hybridization (FISH). Several studies have evaluated the reliability of these different methods and performance in comparison to one another. Typically, technical reliability, as measured by Pearson’s correlation of two measurements of the same sample, is usually well above 90%, and is statistically significant even for small sample sizes (e.g., 8 samples measured twice). We performed an experiment where we aimed to compare hippocampal gene expression between 3 groups (n=5 per group) of young adult male C57BL/6J mice. Before sampling, the groups were treated with either repeated injections of PBS (vehicle), extracellular vesicles taken from the blood plasma of sedentary mice (SedVs) or exercising mice (ExerVs). The hippocampus was dissected, and RNA purified using standard methods. The samples were analyzed using the NanoString Neuropathology panel, that measures 770 genes simultaneously. To estimate reliability, we measured 8 of the samples twice in two separate assays. Surprisingly, only 85 genes showed a significant Pearson’s correlation (p<0.05), and none of these met false discovery significance (all q<0.05). To confirm that no errors were made transferring labels, the individual samples were permuted to see whether a different assignment could recover a greater number of positive correlations. Results showed that the original assignment was best suggesting no errors in sample assignments were made. We conclude that the Nanostring neuropathology panel produces unreliable data for mouse hippocampal gene expression.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».