Smaller scale, same impact: replicating high-throughput phenotypic profiling in a medium-throughput lab for use in chemical risk assessment
Notice bibliographique
Résumé
Cell Painting visualizes toxicity-induced morphological changes by staining cellular structures with fluorescent dyes. Coupled with high-content imaging and analysis software, Cell Painting allows high-throughput phenotypic profiling (HTPP) to quantify phenotypic changes and estimate points of departure for toxicity assessments. Regulatory agencies have applied HTPP in 384-well plates for chemical hazard screening. In this study, established protocols for 384-well plates were adapted for use in 96-well plates to increase accessibility for laboratories with lower throughput. U-2 OS human osteosarcoma cells in 96-well plates were exposed to 12 phenotypic reference compounds for 24 h before fixation and staining with fluorescent dyes (golgi apparatus, endoplasmic reticulum, nucleic acids, cytoskeleton, mitochondria). Four independent chemical exposures across eight concentrations generated four biological replicates. Stained cells were imaged on an Opera Phenix, a high-content imaging system, and the Columbus analysis software extracted numerical values for 1300 morphological features. Features were normalized to control cells, followed by principal component analysis and a calculation of Mahalanobis for each treatment concentration. Mahalanobis distances were modeled to calculate benchmark concentrations (BMC) for chemicals. Most BMCs differed by less than one order of magnitude across experiments, demonstrating intra-laboratory consistency. Compared to published BMCs, ten compounds had comparable BMCs in both plate formats. In addition, we observed a significant inverse relationship between seeding density and Mahalanobis distances, suggesting that experimental factors like cell density may influence BMCs. Overall, we demonstrate that Cell Painting is adaptable across formats and laboratories, supporting efforts to develop and validate it as a complementary new approach methodology to existing toxicity tests.
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 | 0,001 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».