MétaCan
Menu
← Retour à la cohorte
Enregistrement W7027306113

Contrôle des effets de surfaces pour minimiser la délocalisation du gras viscéral en Imagerie par Spectrométrie de Masse

2021· other· fr· W7027306113 sur OpenAlexfundno aff

Notice bibliographique

RevueOpen MIND · 2021
Typeother
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de MontréalMcGill University Health CentreNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésFluorescent labellingAgrégationContext (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les lipides représentent une classe essentielle de biomolécules au fonctionnement normal des organismes vivants. Étant donné leur complexité et leur très grande diversité, les analyses du lipidome combinent généralement une méthode de séparation analytique et une détection par spectrométrie de masse. Bien que ces méthodes d’analyses présentent plusieurs avantages, elles requièrent généralement une homogénéisation de l’échantillon préalablement à l’analyse. La conséquence est la perte de l’information spatiale des analytes au travers de l’échantillon. L’imagerie par spectrométrie de masse (IMS) est une technologie de pointe permettant de cartographier au niveau moléculaire des sections tissulaires minces sans homogénéisation préalable de l’échantillon. Cette technique d’analyse permet de caractériser une vaste gamme d’analyte d’intérêt sans l’utilisation de marqueurs spécifiques. Ainsi, cette cartographie moléculaire peut être combinée à des méthodes de coloration tissulaires ou de microscopie optique afin de corréler précisément les résultats obtenus avec les histologies des sections. En revanche, la délocalisation potentielle des analytes d’intérêt au travers de la section entraîne de graves erreurs d’interprétation et prévient la corrélation exacte des résultats IMS avec les régions histologiques d’intérêt. Les travaux mis en évidence dans ce mémoire présentent le développement, la caractérisation et l’utilisation d’une nouvelle lame d’analyse pour l’IMS permettant de drastiquement réduire la délocalisation des triacylglycérols (TAG) présents dans le gras viscéral. Dans un premier temps, ces travaux montrent la délocalisation des TAG sur et hors-section tissulaire ainsi que leur induction sur la migration conjointe de plusieurs classes de phospholipides (PL) dans leurs déplacements. Par la suite, l’amplitude de la délocalisation des TAG fut étudiée sur 12 types de lames différentes, et la caractérisation de la topographie et de l’hydrophobicité de ces lames à permis de mieux comprendre la relation entre la surface et l’ampleur de la délocalisation des TAG. Pour finir, le potentiel antidélocalisation d’une nouvelle lame en aluminium oxydé fut étudié avec deux tissus comprenant une large proportion de gras viscéral soit un échantillon de muscle de boeuf présentant des stries de gras internes et un rein de souris bordé de gras. Cette nouvelle lame permet une forte ségrégation des TAG comparativement aux résultats obtenus sur les lames commerciales couramment utilisées et ainsi augmenter la fidélité des analyses IMS obtenues. Cette nouvelle méthode permettra entre autres l’analyse de plusieurs organes et tissus d’intérêt très gras autrement difficile à analyser tel que le rein, la médulla surrénale, certains muscles et cancer du sein.

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)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,281
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
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→