MétaCan
Menu
Retour à la cohorte
Enregistrement W4416114508 · doi:10.1117/1.jbo.30.s2.s23901

Consensus guidelines for cellular label-free optical metabolic imaging: ensuring accuracy and reproducibility in metabolic profiling

2025· article· en· W4416114508 sur OpenAlexaff
Irene Georgakoudi, Melissa C. Skala, Kyle P. Quinn, Chiara Stringari, Janet E. Sorrells, Ahmed A. Heikal, Lin Z. Li, He N. Xu, Sixian You, Alex J. Walsh, Rupsa Datta, Kayvan Samimi, Amani A. Gillette, Kevin W. Eliceiri, Mihaela Balu, Stephen A. Boppart, Michelle A. Digman, Kylie R. Dunning, Conor L. Evans, Alba Alfonso‐García, Jessica P. Houston, Wonsang Hwang, Xingde Li, Zhiyi Liu, Laura Marcu, Sangeeta Murugkar, Michael G. Nichols, Raluca Niesner, Sapun H. Parekh, Narasimhan Rajaram, Suman Ranjit, K. Robert Shen, Lingyan Shi, Belén Torrado, Alexander Vallmitjana, Michael Evers, Roger J. Zemp

Notice bibliographique

RevueJournal of Biomedical Optics · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of AlbertaCarleton University
Organismes subventionnairesLeadership LincolnNational Institute of Arthritis and Musculoskeletal and Skin DiseasesJapan Endocrine SocietyNational Heart, Lung, and Blood InstitutePerelman School of Medicine, University of PennsylvaniaAmerican Cancer SocietyNational Cancer InstituteInstitute for Translational Medicine and TherapeuticsNational Institute of Biomedical Imaging and BioengineeringUniversity of PennsylvaniaAgence Nationale de la RechercheNational Institutes of HealthNational Science Foundation
Mots-clésProfiling (computer programming)ReproducibilityOptical imagingMetabolic activityMetabolic regulation

Résumé

récupéré en direct d'OpenAlex

Significance: Cellular metabolism plays a central role in health and disease, making its study critical for advancing diagnostics and therapies. Label-free optical metabolic imaging using endogenous fluorescence from reduced nicotinamide adenine dinucleotide (phosphate) [NAD(P)H] and flavin adenine dinucleotide (FAD) provides nondestructive, high-resolution insights into metabolic function and heterogeneity from the sub-cellular to the tissue level. Standardized approaches are essential to ensure reproducibility and comparability across studies. Aim: We aim to establish a consensus framework for the acquisition, calibration, and reporting of microscopic imaging metabolic function assessments based on fluorescence intensity and lifetime measurements of NAD(P)H and FAD. Approach: We present best practices for calibrating, analyzing, and reporting fluorescence intensity-based optical redox ratios and fluorescence lifetime data using multiexponential fitting and phasor analysis. Guidelines for validation experiments and cross-system standardization are provided to improve accuracy and reproducibility. Results: We demonstrate the importance of calibration procedures and normalization strategies for intensity-based optical redox measurements. We highlight needed calibration, signal-to-noise ratio considerations, and the impact of distinct analytical approaches on fluorescence lifetime-based metabolic function metrics. Conclusion: We recommend a consistent, practical framework for reproducible, label-free, optical metabolic imaging, facilitating robust comparisons across studies and supporting the broader adoption of optical metabolic imaging technologies for biomedical research and clinical translation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,133
score de la tête « metaresearch » (Gemma)0,165
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,706

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1330,165
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0080,005
Études des sciences et des technologies0,0040,006
Communication savante0,0080,005
Science ouverte0,0180,007
Intégrité de la recherche0,0170,014
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,369
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207