MétaCan
Menu
Retour à la cohorte
Enregistrement W4416638010 · doi:10.1183/13993003.congress-2025.oa1191

Late Breaking Abstract - Reversing cleared lung samples for multi-dimensional analysis in therapeutic discovery

2025· article· W4416638010 sur OpenAlexaff
Leonor Simoes, Nika Gvazava, Noelia Redondo, Darcy E. Wagner

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésClearanceLungImmunofluorescenceCellExtracellular matrixAutofluorescenceFluorescence microscopeExtracellular

Résumé

récupéré en direct d'OpenAlex

Light-sheet fluorescence microscopy (LSFM) is an emerging imaging technique that enables high-resolution 3D imaging of large, intact samples (up to several centimeters) with subcellular resolution. It is especially powerful for visualizing structural changes in disease and for localizing rare cell types identified in single-cell datasets, capabilities beyond current in vivo imaging modalities. LSFM relies on optical clearing to render tissues transparent and on the immersion of samples in hydrophobic solutions for imaging. Since most labeling approaches use water-based solutions, this precludes further labeling after clearing. This is a key bottleneck for co-localizing multiple cell types in 3D tissues, which is essential for identifying populations defined by multiple phenotypic markers (e.g., immune cell subtypes). To address this, we developed a novel workflow to reverse optical clearing, enabling subsequent histological and RNA-based analyses in the same lung sample. Mouse lungs, embryos, and human fibrotic lung samples were cleared and imaged with LSFM, then reverse-cleared and paraffin-embedded for immunofluorescence and in situ RNAscope analysis. Lung markers such as pro-SPC and AQP5 remained detectable, extracellular matrix components (collagens, glycosaminoglycans) were retained, and RNA yields were comparable to standard paraffin-embedded tissue. Finally, we developed a virtual reality-based co-registration workflow to precisely align 2D histological slices within 3D LSFM datasets. This pipeline expands LSFM's utility, enabling comprehensive, multimodal analysis from a single sample, supporting advanced preclinical and clinical studies of intact tissues at scale.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,300
Écart entre enseignants0,267 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSingle-cell and spatial transcriptomicsTravaux en français237 207