Systematic analysis of immune cell motility leveraging the open intravital microscopy database Immunemap
Notice bibliographique
Résumé
Understanding the spatiotemporal dynamics of immune cells in living organisms is a major goal in bioimaging. Intravital microscopy enables direct observation of cellular behavior over time with tissue-to-subcellular resolution, making it essential for investigating immune responses across tissues, conditions, and disease contexts. However, most intravital microscopy data remain siloed in individual labs, limiting reuse, standardization, and large-scale analysis. To address these limitations, we present Immunemap, an open-data platform and interactive atlas of immune cell motility. Immunemap currently provides access to over 58,000 curated single-cell tracks and more than 1,049,000 cell-centroid annotations from 400 intravital microscopy videos in murine models, spanning diverse tissues and conditions. The platform supports both exploratory and quantitative research. We show here how unsupervised learning identifies distinct motility patterns, and how large-scale mapping enables comparisons across stimuli, imaging setups, and organs. Its cloud-based architecture offers an interactive web interface and public APIs for integration with computational pipelines. By adhering to FAIR principles (Findability, Accessibility, Interoperability, and Reuse) and fostering cross-disciplinary studies, Immunemap supports reproducible research and provides a benchmark for bioimage analysis and tool development in intravital imaging.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».