New applications of image correlation spectroscopy to reveal mechanisms of cell membrane receptor regulation
Notice bibliographique
Résumé
Achieving an understanding of the molecular dynamics and interactions controlling cellular functions has been a fundamental focus of molecular biophysics.In this thesis, we apply novel image correlation spectroscopy (ICS) techniques to analyze fluorescence microscopy images to quantify these molecular interactions in a variety of biological systems.ICS and its variants are a family of fluorescence fluctuation analysis methods that have been used to measure number density, aggregation state, speed and type of molecular transport, and colocalization of fluorescently tagged biomolecules of interest in cells and neurons.This thesis will present segmentation image cross-correlation spectroscopy (ICCS) applied to total internal reflection fluorescence (TIRF) microscopy images of fixed embryonic rat cortical neurons cultured on printed protein nanodots of the chemotropic guidance cue netrin-1.We investigate population distributions of F-actin, and the chemoattractive receptor, deleted in colorectal cancer (DCC).We reveal that v-SNARE VAMP2 is needed for DCC multimerization and colocalization to netrin-1.This is the first use of segmentation ICCS combined with patterned immobilized ligands to investigate local receptor distribution and signal transduction within specialized subcellular compartments.The author cultured the cells, designed and performed all the live cell imaging experiments, wrote the analysis codes for sliding window TICCS and performed the analysis.viii
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,000 |
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 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 ».