Application of an imaging flow cytometry γ-H2AX assay for biodosimetry using supervised machine learning
Notice bibliographique
Résumé
PURPOSE: Phosphorylation of the histone H2AX (γ-H2AX) is a rapid response to radiation-induced DNA double strand breaks (DSBs) and is a good biomarker for exposure to ionizing radiation. The signal has traditionally been detected by microscopy (spot counting) or by flow cytometry (fluorescent intensity). An imaging flow cytometry (IFC) method has been developed, which combines the high resolution of microscopy with the statistical power of flow cytometry methods to measure γ-H2AX in human lymphocytes. MATERIALS AND METHODS: The assay was optimized and validated for both sample acquisition and data analysis, in the dose range of 0-10 Gy. For data analysis, mean fluorescence intensity (MFI), spot count (foci per cell), and average area of the spots were used with the supervised machine learning (SML) K-Nearest Neighbors (K-NN) algorithm to estimate doses. These dose estimates were compared to the traditional flow cytometry method of estimating doses from an MFI-based dose response curve. RESULTS: A statistical analysis of both methodologies showed that SML K-NN method was able to determine the dose delivered to blind, irradiated samples more accurately than when using a linear fit of the MFI response alone, especially in the 7-10 Gy dose range. CONCLUSIONS: The efficiency of the γ-H2AX-IFC assay, 1 hour post-exposure, has been improved and validated using the SML K-NN methodology for dose estimation. This study could help establish the γ-H2AX assay as a triage tool for the rapid screening of a large number of samples.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».