Detection of Axonally Localized mRNAs in Brain Sections Using High-Resolution <em>In Situ</em> Hybridization
Notice bibliographique
Résumé
mRNAs are frequently localized to vertebrate axons and their local translation is required for axon pathfinding or branching during development and for maintenance, repair or neurodegeneration in postdevelopmental periods. High throughput analyses have recently revealed that axons have a more dynamic and complex transcriptome than previously expected. These analysis, however have been mostly done in cultured neurons where axons can be isolated from the somato-dendritic compartments. It is virtually impossible to achieve such isolation in whole tissues in vivo. Thus, in order to verify the recruitment of mRNAs and their functional relevance in a whole animal, transcriptome analyses should ideally be combined with techniques that allow the visualization of mRNAs in situ. Recently, novel ISH technologies that detect RNAs at a single-molecule level have been developed. This is especially important when analyzing the subcellular localization of mRNA, since localized RNAs are typically found at low levels. Here we describe two protocols for the detection of axonally-localized mRNAs using a novel ultrasensitive RNA ISH technology. We have combined RNAscope ISH with axonal counterstain using fluorescence immunohistochemistry or histological dyes to verify the recruitment of Atf4 mRNA to axons in vivo in the mature mouse and human brains.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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.
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 ».