Society for Immunotherapy of Cancer: Standards for Reporting of Multiplex Immunohistochemistry/Immunofluorescence Assays (STORMI)
Notice bibliographique
Résumé
Multiplex immunofluorescence and immunohistochemistry (mIF/IHC) are increasingly employed antibody-based technologies that use tissue sparingly and facilitate the detection of co-localized or neighboring biomarkers. Specifically, these platforms enable spatial analyses of the tumor microenvironment as well as extended applications, for example, describing normal tissue anatomy, autoimmunity, infectious diseases, etc. mIF/IHC has greatly enhanced biomarker discovery efforts, and a growing number of studies suggest superiority to traditional IHC. Standardization of staining approaches, reporting of image analysis strategies and resultant data is critical for facilitating cross-study comparisons, validation, deployment, and generalization of findings. To address this challenge, The Society for Immunotherapy of Cancer (SITC) previously published two articles providing best practice guidelines for mIF/IHC staining, image analysis, and data sharing. Here, SITC convened stakeholders to develop the third article in the series, a consensus checklist for scientific reporting of mIF/IHC data to support and complement the best practice guidelines. The checklist includes critical components of mIF/IHC applications to be defined within publications such as detailed descriptions of analytical validation; image acquisition, selection, and registration methods; and cell clustering and spatial analysis strategies, amongst others. Such information will help with data reproducibility and comparison across studies towards future drug and assay development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».