Imaging Mass Cytometry Immune Profiling of Hunner Lesions in a Convenience Sample of Patients With Interstitial Cystitis/Bladder Pain Syndrome
Notice bibliographique
Résumé
PURPOSE: A comprehensive spatial immune profile of Hunner lesions (HLs) in interstitial cystitis/bladder pain syndrome (IC/BPS) is absent from the literature. Here, we leveraged imaging mass cytometry, a multiplex imaging platform, with novel computational pipelines to evaluate the immune in situ microenvironment of HL-IC/BPS. MATERIALS AND METHODS: Formalin-fixed paraffin-embedded HL tissue samples retrospectively collected from 10 patients with HL-IC/BPS were stained using a cocktail of 20-metal conjugated antibodies designed to profile both the innate and adaptive immune system. Imaging data were acquired using the Hyperion Imaging System. Data were visualized and processed using computational machine learning pipelines to resolve general immune complexity and spatial relationships in HL. RESULTS: macrophages within lesions. Computational analysis also demonstrated quantifiable methods to differentiate HL-IC/BPS patients based on differences in immune cell agglomeration within a lesion. CONCLUSIONS: Here, we demonstrate the use of highly multiplexed imaging in combination with novel analysis pipelines as a feasible method to understand the spatial organization of HLs. This pilot study suggests that these methods will be useful to prospectively characterize and evaluate the local immune microenvironment in HL-IC/BPS and could uncover mechanisms of disease pathogenesis.
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 | 0,001 | 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 ».