Label-free metabolic fingerprinting of motile mammalian spermatozoa with subcellular resolution
Notice bibliographique
Résumé
Acquisition The fluorescence lifetime images of mouse sperm cells ex vivo were acquired using a Carl Zeiss LSM880 NLO microscope (Carl Zeiss, Germany) coupled to a (\(690-1040\,\textrm{nm} \)) Ti:Saphire laser system (Chameleon Ultra II, Coherent) pulsing at 80 MHz and a TCSPC card (HydraHarp 400, PicoQuant). Sperm samples were kept in an Okolab chamber at \(37^{\circ}\) and \(5\%\,\textrm{CO}_2\). The samples were excited with a laser of \(740\,\textrm{nm}\) wavelength using a \(40\, \times \, 1.1 \) NA water immersion objective. A dichroic mirror (\(690\,\textrm{nm} \)) was used to separate the fluorescence signal from the excitation laser. NAD(P)H fluorescence was collected through a \(460 (\pm20)\,\textrm{nm}\) filter by a hybrid detector (HPM-100-40, Becker & Hickl). An additional filter was used to block near-infrared light. The FLIM data were recorded using the SymPhoTime 64 software (PicoQuant) using 16 ps TCSPC sampling (length of the time slot). 16 time frames with dimension \(512\times512\) were acquired, with the scanning speed \(5\, \mu \textrm{s/pixel}\) (giving full acquisition time of 1 minute and 23 seconds). Export Custom software, called TTTR Data Analysis, was used to open the files and adjust them for export. Each file is a composition of 16 time frames of the same scene. The sperm were not immobilised, each scene was acquired multiple times sequentially, thus, each time frame may include the sperm in a different position. Therefore, some of the sperm may be blurry. For this dataset we provide only one time frame of the field from the selected data, trying to pick the time frame with the least movement of the sperm. Manual Annotation Masks for the training, validation and test dataset were manually prepared in the binary editor of NIS-Elements by Fitore Kusari. Two binary masks are provided for each image, for the heads and the mitochondrial midpiece of the sperm. Final dataset size is summarized in: Images Midpiece Objects Head Objects Train 235 17952 8620 Validation 16 1448 678 Test 30 2507 1167 Sum 281 21907 10465
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».