Разное

Расшифровка гистологии: Гистология расшифровка анализа. Второе мнение в гистологии, цена

Содержание

Расшифровка результатов гистологии: особенности — Справочник

Расшифровка гистологии в баллах по as

Женщинам и мужчинам порой приходится проходить через оперативные способы лечения. Большинство удаленных во время хирургического вмешательства тканей отправляется на специальное дополнительное обследование, которое называется гистология. Расшифровка результатов этого анализа будет освещена в этой статье.

Что это такое?

Перед тем как будет сделана расшифровка результатов гистологии, нужно узнать, что это такое. Под таким детальным обследованием подразумевают тщательное изучение состояния органов на уровне тканей. Проще говоря, кусочек человеческого организма отправляют на диагностику.

Сколько готовится результат?

Расшифровка результатов гистологии может быть получена в срок до двух недель. В государственном медицинском учреждении анализ проводится в течение одной недели. Многие частные клиники обещают обследовать полученную ткань в течение нескольких дней. Такая гистология называется срочной. Стоит отметить, что подобное исследование может быть менее информативным.

Гистология: расшифровка результатов

Прежде чем анализировать данные, указанные в заключении, стоит ознакомиться с состоянием и жалобами пациента. Также расшифровка результатов гистологии во многом зависит от того, какой вид ткани был направлен на анализ.

Наиболее часто гистологическое исследование проводят лицам, у которых есть подозрение на злокачественную опухоль. Также эта диагностика очень распространена в гинекологии. Например, результаты гистологии после выскабливания (расшифровка) покажут возможные заболевания полости матки. Если чистка проводилась по причине замершей беременности, то в расшифровке будут указаны основания возникновения такой проблемы.

Расшифровка результатов гистологии — нелегкий процесс. Лица без медицинского образования вряд ли смогут понять в заключении хоть что-нибудь. Почти все написано на латинском языке с использованием разнообразных терминов. Если забор тканей проводился в стенах государственного стационара, то ваш результат будет сразу отправлен к врачу. В том случае, когда вы пользовались услугами частной клиники, результаты гистологии выдаются непосредственно на руки.

Первый пункт: данные

В полученном бланке вы можете увидеть свои личные данные. Обычно они указываются в шапке листка. Далее будут указаны тип тканей и место их забора. Так, расшифровка результатов гистологии шейки матки содержит в себе следующую фразу: «Проведена биопсия шейки матки и цервикального канала». Это говорит о том, что врач взял кусочек ткани из этого органа. Материал может быть взят из абсолютно любого органа: женский яичник или молочная железа, почки или печень, сердце или миндалины и так далее.

Второй пункт: способ исследования

После этого указывается способ проведения анализа. Это может быть срочная гистология (длительность от одного часа до двух суток) или обычное исследование (срок до десяти дней). Тут же обозначаются растворы, которые были использованы для изучения материала.

Третий пункт: основное заключение

Далее вы можете увидеть много терминов на латинском языке. Многие пациенты считают, что чем больше написано в результате гистологии, тем хуже. Однако такое утверждение можно оспорить. Лаборант указывает подробно все названия выявленных тканей. Так, при гистологическом исследовании замершей беременности вносятся записи об обнаружении кусочков эндометрия, децидуальной ткани (эмбриона), частей плаценты (если к тому времени она уже сформировалась). Также в этом поле указываются обнаруженные патологические процессы. Если проводилась гистология кишечника, то можно увидеть записи о наличии полипов (доброкачественных заболеваний), всевозможных кист (злокачественного или доброкачественного характера) и так далее.

Рекомендаций в листе гистологического исследования обычно нет. Врач уже после расшифровки сам назначает необходимую коррекцию и делает выводы.

После получения результатов

Если вы получили результат исследования на руки, то стоит для начала показать его врачу. Помните, что попытки самостоятельно расшифровать анализ могут привести к стрессовому состоянию и повышенному беспокойству.

В настоящее время практически после каждого гистологического исследования назначается лечение. Его длительность и сложность напрямую зависят от тяжести выявленной патологии.

Подведение итогов

Теперь вам известно, что такое гистология и как ее расшифровать. Помните, что самолечение может привести к тяжелым осложнениям и неожиданным последствиям. Всегда пользуйтесь услугами доктора. Только в этом случае вы сможете сохранить свое здоровье. Всего вам доброго!

Сколько готовится результат?

Расшифровка результатов гистологии может быть получена в срок до двух недель. В государственном медицинском учреждении анализ проводится в течение одной недели. Многие частные клиники обещают обследовать полученную ткань в течение нескольких дней. Такая гистология называется срочной. Стоит отметить, что подобное исследование может быть менее информативным.

Прежде чем анализировать данные, указанные в заключении, стоит ознакомиться с состоянием и жалобами пациента. Также расшифровка результатов гистологии во многом зависит от того, какой вид ткани был направлен на анализ.

Наиболее часто гистологическое исследование проводят лицам, у которых есть подозрение на злокачественную опухоль. Также эта диагностика очень распространена в гинекологии. Например, результаты гистологии после выскабливания (расшифровка) покажут возможные заболевания полости матки. Если чистка проводилась по причине замершей беременности, то в расшифровке будут указаны основания возникновения такой проблемы.

Расшифровка результатов гистологии — нелегкий процесс. Лица без медицинского образования вряд ли смогут понять в заключении хоть что-нибудь. Почти все написано на латинском языке с использованием разнообразных терминов. Если забор тканей проводился в стенах государственного стационара, то ваш результат будет сразу отправлен к врачу. В том случае, когда вы пользовались услугами частной клиники, результаты гистологии выдаются непосредственно на руки.

Первый пункт: данные

В полученном бланке вы можете увидеть свои личные данные. Обычно они указываются в шапке листка. Далее будут указаны тип тканей и место их забора. Так, расшифровка результатов гистологии шейки матки содержит в себе следующую фразу: «Проведена биопсия шейки матки и цервикального канала». Это говорит о том, что врач взял кусочек ткани из этого органа. Материал может быть взят из абсолютно любого органа: женский яичник или молочная железа, почки или печень, сердце или миндалины и так далее.

Второй пункт: способ исследования

После этого указывается способ проведения анализа. Это может быть срочная гистология (длительность от одного часа до двух суток) или обычное исследование (срок до десяти дней). Тут же обозначаются растворы, которые были использованы для изучения материала.

Третий пункт: основное заключение

Далее вы можете увидеть много терминов на латинском языке. Многие пациенты считают, что чем больше написано в результате гистологии, тем хуже. Однако такое утверждение можно оспорить. Лаборант указывает подробно все названия выявленных тканей. Так, при гистологическом исследовании замершей беременности вносятся записи об обнаружении кусочков эндометрия, децидуальной ткани (эмбриона), частей плаценты (если к тому времени она уже сформировалась). Также в этом поле указываются обнаруженные патологические процессы. Если проводилась гистология кишечника, то можно увидеть записи о наличии полипов (доброкачественных заболеваний), всевозможных кист (злокачественного или доброкачественного характера) и так далее.

Рекомендаций в листе гистологического исследования обычно нет. Врач уже после расшифровки сам назначает необходимую коррекцию и делает выводы.

Его длительность и сложность напрямую зависят от тяжести выявленной патологии.

Fb. ru

15.01.2019 3:17:21

2019-01-15 03:17:21

Источники:

Https://fb. ru/article/181781/rasshifrovka-rezultatov-gistologii-osobennosti

Расшифровка гистологии(причины замершей беременности) — Вопрос гинекологу — 03 Онлайн » /> » /> . keyword { color: red; }

Расшифровка гистологии в баллах по as

Здравствуйте, пришли результаты замершей беременности по гистологии, помогите пожалуйста расшифровать? Спасибо.

Похожие и рекомендуемые вопросы

Здравствуйте, помогите, пожалуйста, расшифровать гистологию замершей беременности Помогите, пожалуйста, расшифровать гистологию замершей беременности. Беременность вторая, первые роды были 15.03.2014. Последняя менструация была 24.05.2015, беременность запланированная, протекала как и первая прекрасно, анализы все были хорошие, перед первым скринингом на 11 неделе начались выделения, пошла сразу на узи и к врачу. Результат УЗИ: маточная неразвивающаяся беременность по типу анэмбрионии. Ночью в больнице начались боли, похожие на схватки и выделения очень обильные со слизью и даже как куски, выскабливание сделали утром. Результаты гистологии: Описание: Соскоб обильный представлен геморрагически измененным тканям беременности. Эндометрий представлен отёчной децидуальной тканью с кровоизлияниями, небольшой диффузно-очаговой лимфолейкоцитарной инфильтрацией. Большинство ворсин с фиброзом или гидропической дегенерацией стромы. Сохраненные ворсины с мелкими единичными сосудами, содержащими в просвете немногочисленные эритроциты и эритробласты. Заключение: Неразвивающаяся маточная беременность в сроке 8-9 недель. Помогите расшифровать и всетаки был эмбрион или нет? Спасибо

1 ответ

Не забывайте оценивать ответы врачей, помогите нам улучшить их, задавая дополнительные вопросы По теме этого вопроса.
Также не забывайте благодарить врачей.

Здравствуйте! К сожалению, причин замершей здесь не обнаружено. Просто описывает нормальный гистологичкский препарат

Поиск по сайту

Что делать, если у меня похожий, но другой вопрос?

Если вы не нашли нужной информации среди ответов на этот вопрос, или же ваша проблема немного отличается от представленной, попробуйте задать дополнительный вопрос врачу на этой же странице, если он будет по теме основного вопроса. Вы также можете задать новый вопрос, и через некоторое время наши врачи на него ответят. Это бесплатно. Также можете поискать нужную информацию в похожих вопросах на этой странице или через страницу поиска по сайту. Мы будем очень благодарны, если Вы порекомендуете нас своим друзьям в социальных сетях.

Медпортал 03online. com осуществляет медконсультации в режиме переписки с врачами на сайте. Здесь вы получаете ответы от реальных практикующих специалистов в своей области. В настоящий момент на сайте можно получить консультацию по 74 направлениям: специалиста COVID-19 , аллерголога, анестезиолога-реаниматолога, венеролога, гастроэнтеролога, гематолога, генетика, гепатолога, гериатра, гинеколога, гинеколога-эндокринолога, гомеопата, дерматолога, детского гастроэнтеролога, детского гинеколога, детского дерматолога, детского инфекциониста, детского кардиолога, детского лора, детского невролога, детского нефролога, детского онколога, детского офтальмолога, детского психолога, детского пульмонолога, детского ревматолога, детского уролога, детского хирурга, детского эндокринолога, дефектолога, диетолога, иммунолога, инфекциониста, кардиолога, клинического психолога, косметолога, липидолога, логопеда, лора, маммолога, медицинского юриста, нарколога, невропатолога, нейрохирурга, неонатолога, нефролога, нутрициолога, онколога, онкоуролога, ортопеда-травматолога, офтальмолога, паразитолога, педиатра, пластического хирурга, подолога, проктолога, психиатра, психолога, пульмонолога, ревматолога, рентгенолога, репродуктолога, сексолога-андролога, стоматолога, трихолога, уролога, фармацевта, физиотерапевта, фитотерапевта, флеболога, фтизиатра, хирурга, эндокринолога.

Здравствуйте, пришли результаты замершей беременности по гистологии, помогите пожалуйста расшифровать? Спасибо.

Здравствуйте, помогите, пожалуйста, расшифровать гистологию замершей беременности Помогите, пожалуйста, расшифровать гистологию замершей беременности. Беременность вторая, первые роды были 15.03.2014. Последняя менструация была 24.05.2015, беременность запланированная, протекала как и первая прекрасно, анализы все были хорошие, перед первым скринингом на 11 неделе начались выделения, пошла сразу на узи и к врачу. Результат УЗИ: маточная неразвивающаяся беременность по типу анэмбрионии. Ночью в больнице начались боли, похожие на схватки и выделения очень обильные со слизью и даже как куски, выскабливание сделали утром. Результаты гистологии: Описание: Соскоб обильный представлен геморрагически измененным тканям беременности. Эндометрий представлен отёчной децидуальной тканью с кровоизлияниями, небольшой диффузно-очаговой лимфолейкоцитарной инфильтрацией. Большинство ворсин с фиброзом или гидропической дегенерацией стромы. Сохраненные ворсины с мелкими единичными сосудами, содержащими в просвете немногочисленные эритроциты и эритробласты. Заключение: Неразвивающаяся маточная беременность в сроке 8-9 недель. Помогите расшифровать и всетаки был эмбрион или нет? Спасибо

Здравствуйте, пришли результаты замершей беременности по гистологии, помогите пожалуйста расшифровать.

03online. com

11.04.2017 23:46:01

2017-04-11 23:46:01

Источники:

Https://03online. com/news/rasshifrovka_gistologiiprichiny_zamershey_beremennosti/2022-6-22-1239375

Расшифровка гистологии — Онкология — 3.11.2018 — Здоровье » /> » /> .keyword { color: red; }

Расшифровка гистологии в баллах по as

Здравствуйте, помогите расшифровать гистологию после удаления травмированного невуса шеи. При направлении код Д 22.4.Что означает цифра lll? Заранее спасибо!

Здравствуйте. По коду — Меланоформный невус волосистой части головы и шеи, доброкачественное образование. А что такое римское 3-нужно спросить у врача. С уважением А. Петров

Здравствуйте! В первый раз фото не добавилось. Невус был травмирован, удаляли электрокоагуляцией. К врачу за расшифровкой результата через 3 недели. Очень переживаю. Заранее спасибо!

Консультация врача онколога на тему «Расшифровка гистологии» дается исключительно в справочных целях. По итогам полученной консультации, пожалуйста, обратитесь к врачу, в том числе для выявления возможных противопоказаний.

Врач-онколог высшей категории, действительный член Российского Общества Хирургов, проходил стажировку в РОНЦ им. Блохина (Москва), член общества эндоскопических хирургов, Европейского общества медицинских онкологов (ESMO). Клинические интересы: онкоиммунология, протоколы Клинических Исследований, таргетная терапия, схемы лечения, детоксикация организма при лечении рака.

Номер телефона и WatsaApp +41 77 445 30 31
Mail: [email protected] swiss

Добрый день. Прошу пояснения по поводу расшифровки гистологии. 19 декабря была лапороскопия удалили левый яичник с кистой по гистологии (Доброкачественная папилярная серозная цистаденома), с правого была взята биопсия заключение (Фиброматоз.

Добрый день. Две недели назад удалила родинку у дерматолога — она почернела и зудела от постоянного трения об одежду (родинка на руке). Через неделю пришла гистология — дерматолог и лаборант.

Здравствуйте! Была удалена родинка хирургическим иссечением. Пришла гистология, результат — удалена в пределах здоровых тканей, пограничный активный пигментный невус с меланоцитарной активностью. Врач рекомендовал проверить гистологию еще в одной лаборатории.

Подскажите пожалуйста! Удалила невус 1,5месяца назад, пришла гистология, поставлен диагноз. Макроскопически: бляшковидное образование с папилломотозной поверхностью; Микроскопически: интрадермальный пигментный невус. Скажите это доброкачественное образование? и насколько серьезен рецидив, если проявился пигмент в рубце заново?

Добрый день! мне 30 лет, перед ЭКО (МФ) на осмотре был обнаружен полип — направили на гистероскопию+рдв+полипэктомия. Процедура проводилась на 7 д. ц. Прокомментируйте пож-ста результаты гистологии: слизистая цервикального канала отсутствует.

Добрый день! Помогите расшифровать гистологию. В материале некротезированные ткани последа. Тени ворсин хориона, децидуальная ткань с тромбированными сосудами, отек оболочек пуповины. В 25 недель сердце у ребенка билось и все было хорошо, в 28 недель все ребенок.

Две недели назад удалила родинку у дерматолога — она почернела и зудела от постоянного трения об одежду родинка на руке.

Health. mail. ru

19.06.2019 20:14:41

2019-06-19 20:14:41

Источники:

Https://health. mail. ru/consultation/2626415/

Определение HER2 статуса опухоли методом FISH(гистология).Необходимы гистологический протокол и иммуногистохимический протокол,стекло ИГХ.

Описание

Определение HER-2 статуса опухоли методом FISH — исследование предрасположенности к развитию опухоли и подбор своевременного адекватного лечения при раке молочной железы (РМЖ) или раке желудка (РЖ).

HER-2 (HER-2/neu) — human epidermal growth factor receptor-2 — это белок, который может влиять на рост раковых клеток. Он создается специальным геном, который называется ген HER-2/neu. HER-2 является рецептором для определённого фактора роста, который называется человеческим эпидермальным фактором роста, естественным образом существующим у человека. Когда человеческий эпидермальный фактор роста прикрепляется к рецепторам HER-2 на раковых клетках груди, он может стимулировать рост и деление этих клеток. В здоровой ткани HER-2 передаёт сигналы, регулирующие пролиферацию и выживаемость клеток, но гиперэкспрессия HER-2 может обусловить злокачественную трансформацию клеток.

Гиперэкспрессия HER-2 при некоторых подтипах РМЖ ведёт к усилению пролиферации и ангиогенеза, нарушению регуляции апоптоза (генетически запрограммированного самоуничтожения клеток). Показано, что при раке молочной железы гиперэкспрессия этого рецептора в ткани опухоли ассоциирована с более агрессивным течением болезни, повышенным метастатическим потенциалом опухоли и менее благоприятным прогнозом. Открытие связи гиперэкспрессии HER-2 с неблагоприятным прогнозом РМЖ привело к поиску таких подходов к лечению, которые направлены на специфическое блокирование онкогена HER-2/neu (таргетная анти-HER2-терапия).

Рак молочной железы (РМЖ) — злокачественная опухоль железистой ткани молочной железы. РЖМ занимает первое место среди всех злокачественных заболеваний у женщин.

В зависимости от наличия биологических маркёров опухоли — экспрессии гормональных рецепторов (эстрогена и/или прогестерона), экспрессии HER-2 — выделяют гормон-рецептор-положительный, HER-2-положительный и тройной негативный РМЖ.

HER-2/neu-положительные (HER-2+) типы рака молочной железы отличаются высокой экспрессией белка HER-2/neu.
HER=2/neu-негативные (HER-2-) типы рака молочной железы отличаются низкой экспрессией или отсутствием белка HER-2/neu.
Считается, что у одной из пяти женщин с раком груди опухоль является HER-2-положительной. Большинство раковых опухолей молочной железы являются гормонально-зависимыми: эстрогены и прогестерон оказывают на них стимулирующий эффект (пролиферативный и неопластический). При HER-2-положительном раке молочной железы на поверхности опухолевых клеток присутствует избыток HER-2-рецепторов. Данное явление носит название «положительный HER-2-статус» и диагностируется у 15–20% женщин, страдающих РМЖ.

HER-2 — рецептор эпидермального фактора роста человека 2-го типа, который присутствует в тканях и в норме, участвуя в регуляции деления и дифференцировки клеток. Его избыток на поверхности опухолевых клеток (гиперэкспрессия) предопределяет быстрый неконтролируемый рост новообразования, высокий риск метастазирования, низкую эффективность некоторых видов лечения. HER-2-положительный РМЖ является особенно агрессивной формой данного заболевания, поэтому точное определение HER-2-статуса имеет ключевое значение для выбора тактики лечения.

Рак желудка (РЖ) — злокачественная опухоль, происходящая из эпителия слизистой оболочки желудка.

РЖ занимает 4-е место в структуре онкологической заболеваемости и 2-е место в структуре онкологической смертности в мире. Заболеваемость РЖ у мужчин в 2 раза выше, чем у женщин. Россия относится к регионам с высоким уровнем заболеваемости РЖ и смертности от данного заболевания. Диагностика РЖ на ранних стадиях затруднена из-за длительного бессимптомного течения заболевания. Часто РЖ выявляют на поздних стадиях, когда 5-летняя выживаемость не превышает 5–10%, а единственным методом лечения остаётся химиотерапия.

Основным методом лечения РЖ является хирургический. Однако у большинства пациентов на момент постановки диагноза определяется распространённый опухолевый процесс, что делает невозможным выполнение радикальной операции и требует проведения системной лекарственной терапии. Проведение химиотерапии статистически достоверно увеличивает общую выживаемость больных метастатическим РЖ, улучшая качество их жизни.

Онкоген HER-2 (erbB-2) был первоначально идентифицирован в опухолях молочной железы. Амплификация и гиперэкспрессия данного гена является относительно специфическим событием для карцином молочной железы и практически не встречается в опухолях других локализаций. Рак желудка представляется одним из немногих исключений: активация HER-2 отмечается примерно в 10–15% злокачественных новообразований этого органа и коррелирует с агрессивным течением заболевания.

Гиперэкспрессия HER-2 является фактором неблагоприятного прогноза. По данным разных исследований, амплификация гена HER-2 у больных РЖ коррелирует с низкими показателями общей выживаемости.

Для оценки HER-2-статуса при РЖ и РМЖ используют FISH метод.

FISH — исследования позволяет определять качественные и количественные изменения хромосом для диагностики злокачественных заболеваний крови и солидных опухолей.

Сегодня во всём мире широко применяются исследования методом FISH.

Метод FISH (флуоресцентная гибридизация in situ) — изучение числа HER-2/neu-генов внутри раковых клеток.

Подготовка

Определяется лечащим врачом.

Готовность

11 рабочих дней

Можно сдать на дому

Есть возможность сдать анализ на дому

Скидка

Единовременный заказ до 10 анализов

Действует до: 31. 12.2022

Подписаться

Нет в наличии

У нас появилась возможность предзаказывать список необходимых анализов для сдачи как дома, так и в клинике!

Для этого необходимо добавить интересующие Вас анализы в корзину и оформить заказ.

ЛекДиагностик

С любовью, заботой и вниманием к Вашему Здоровью

Подольск

Ул. Академика Доллежаля 18

Королев

Ул.Калинина 3

Время работы

Ежедневно
6.30 — 19.30

Определение HER2 статуса опухоли методом FISH(гистология).Необходимы гистологический протокол и иммуногистохимический протокол,стекло ИГХ.

Нет в наличии

Клинико-гистологическая характеристика доброкачественных образований яичников | #08/09


На сегодняшний день частота выявления доброкачественных образований яичников не снижается, что объясняется широким применением в гинекологии современных информативных методов исследований. В течение нескольких десятилетий для дифференциации опухолей матки и придатков с успехом применяется ультразвуковая диагностика [1]. Однако не всегда при трансвагинальной эхографии можно определить характер опухоли, особенно на ранних стадиях развития опухоли яичника [2]. Возможность дифференциации доброкачественных и злокачественных образований яичников появилась с применением цветного доплеровского картирования [1, 3].


Длительность существования доброкачественной опухоли яичника и ее способность к малигнизации имеют самый различный диапазон и частоту. Так, известно, что малигнизации подвергается каждая третья серозная кистома яичника [2, 3, 4, 5]. Вместе с тем не исключено и длительное существование этих опухолей без каких-либо пролиферативных изменений в капсуле.


Известно, что образования яичников небольших размеров часто принимаются за опухолевидные образования и подвергаются консервативной противовоспалительной терапии. Отсутствие же эффекта от лечения рассматривают как показание для оперативного вмешательства. Однако распознать грань перехода пролиферации эпителия капсулы в атипический эпителий и своевременно предотвратить опасное для жизни заболевание является довольно сложной задачей. Окончательный диагноз о характере образования яичника устанавливается путем гистологического исследования удаленной капсулы.


Целью исследования явилось изучение клинических проявлений и морфологических особенностей доброкачественных опухолей яичников для своевременного решения вопроса о необходимости их оперативного лечения. Материал и методы исследования. Нами изучено клиническое течение доброкачественных образований яичников у 170 больных, поступивших в гинекологическое отделение акушерского комплекса № 9 г. Ташкента по поводу объемного образования яичника на оперативное лечение.


Возраст обследованных женщин колебался от 25 до 45 лет. Наиболее частым возрастом выявления опухолей яичников у наших пациенток является 20–29 лет (около половины), затем возрастная группа 30–39 лет. Меньше всего среди больных было пациенток в возрасте до 20 лет (около 5%).


Дооперационное обследование включало ультразвуковое исследование с цветовым доплеровским картированием сосудов яичника и определение в крови онкомаркера СА-125. Онкомаркер СА-125 является антигеном, определяемым с помощью моноклональных антител к клеткам рака яичников, и наиболее специфичным маркером при опухолях яичников, особенно в постклимактерическом периоде [5, 6]. Интерпретация результатов определения величины онкомаркера СА-125 проводилась в соответствии с результатами гистологического исследования.


При резко повышенных показателях проводилось повторное исследование в послеоперационном периоде и после реабилитационного лечения. Верификация диагноза проводилась в послеоперационном периоде гистологическим исследованием капсулы кистомы.


Для гистологического исследования из резецированных стенок кист готовили гистологические препараты по общепринятой методике. Результаты исследования и их обсуждение. Наиболее частой жалобой пациенток было бесплодие. Из 77 (45,3%) больных с нарушением репродуктивной функции у 46 (60,0%) пациенток наблюдалось первичное бесплодие длительностью от двух до шести лет, у 31 (40%) — вторичное бесплодие длительностью от двух до четырех лет.


Второй по частоте жалобой были ноющие боли внизу живота и альгоменорея (у 71 больной — 41,8%). Около одной трети больных (55 пациенток — 32,4%) до поступления в стационар получали консервативную противовоспалительную терапию без особого успеха.


Нарушения менструаций были отмечены чаще у больных с опухолевидными образованиями воспалительного характера, что было подтверждено результатами гистологического анализа удаленной капсулы образования. Из нарушений менструально-овариального цикла, кроме альгоменореи, были выявлены гиперменорея (12,3%), гипоолигоменорея (16,8%), в некоторых случаях — дисфункциональные кровотечения в анамнезе (у 9,2%).


Доплерометрические исследования кровотока характеризовались низкой скоростью кровотока в маточных и яичниковых сосудах и повышенными значениями индекса резистентности. Определение онкомаркера СА-125, проведенное до операции, показало, что, несмотря на разброс цифр (от 8,3 до 60,3), средняя цифра не превышала принятую норму 35 Ед/мл. Оперативное лечение проведено практически всем женщинам путем лапароскопии. Послеоперационное реабилитационное лечение зависело от результатов гистологического исследования и величины онкомаркера.


Интерес представляет также полиморфизм гистологических изменений в капсуле удаленных образований. Большую часть (33%) составили опухолевидные образования (фолликулярные и лютеиновые кисты). Доброкачественные эпителиальные опухоли составили 25% случаев, из них в 11,7% случаев — серозные и в 13,3% случаев — эндометриоидные. В 5% случаев наблюдали герминогенную опухоль в виде зрелой тератомы. Вместе с тем в двух случаях гистологическое исследование выявило аденокарциному яичника. Значительная часть кистозных образований (31,7%) не имела эпителиальной выстилки, что затрудняло установление гистогенеза и характера новообразования яичника.


Фолликулярные кисты были представлены чаще как одностороннее однокамерное и тонкостенное образование с гладкой внутренней стенкой. Гистологически соединительнотканная стенка была выстлана многорядным фолликулярным эпителием, под которым располагаются клетки theca interna, в некоторых случаях наблюдалась ее гиперплазия и лютеинизация.


Лютеиновые кисты чаще выявлялись в виде двусторонних и одиночных образований. Внутренняя поверхность стенки кисты выстлана слоем текалютеиновых клеток, под которыми расположена гранулеза без лютеинизации.


Среди эпителиальных опухолей чаще встречались серозные и муцинозные. Серозные опухоли были представлены серозной цистоаденомой, обычно крупных размеров. Капсула опухоли в основном была грубоволокнистой, выстилающий стенку эпителий был однорядным кубическим или уплощенным, в некоторых случаях обнаруживался цилиндрический эпителий.


Муцинозные опухоли были представлены муцинозной цистоаденомой (или сецернирующая муцинозная кистома), обычно многокамерной и крупных размеров. Внутренняя поверхность стенки выстлана однорядным высоким призматическим эпителием, цитоплазма которых содержала слизь.


Эндометриоидные опухоли яичников были схожи с опухолями эндометрия и характеризовались выстилкой стенки кисты однорядным низким цилиндрическим эпителием эндометриального типа. Вокруг стенки часто наблюдались кровоизлияния и накопление гемосидерина.


Зрелая кистозная тератома (или дермоидная киста) яичника была обычно однокамерной и заполнена салом и волосами. Гистологически обнаруживались кожа, волосяные фолликулы, сальные и потовые железы, редко — хрящ.


Аденокарциномы яичников были представлены серозной папиллярной цистоаденокарциномой. Нами выявлены две больные с аденокарциномой, у которых онкомаркер СА-125 был соответственно в 11 и 15 раз выше нормы.


Таким образом, исследования показали, что доброкачественные опухоли и опухолевидные образования яичников чаще встречаются среди женщин активного репродуктивного возраста — от 20 до 39 лет, что несколько отличается от данных литературы [4, 5]. Клиническая картина доброкачественных опухолей неспецифична и проявляется в некоторых случаях нарушениями менструального цикла, бесплодием. Наши исследования показали, что определение онкомаркера СА-125 позволяет в предоперационном периоде с высокой степенью вероятности прогнозировать характер образования яичника и определить хирургическую тактику, что подтверждается результатами других исследователей [6].


Выводы:


  1. Скудная и неспецифичная клиническая симптоматика объемных образований и многообразие их гистологических форм указывают на необходимость тщательного дооперационного обследования, включая определение онкомаркера СА-125.


  2. Необходимо проведение экспресс-диагностики во время операции лапароскопии для решения вопроса об объеме оперативного вмешательства и дальнейшей тактики.


Литература


  1. Сидорова И.  С., Гуриев Т. Д., Саранцев А. И., Капустина И. Н., Ардус Ф. С. Цветное доплеровское картирование в предоперационной диагностике и прогнозировании при объемных образованиях придатков матки / Акуш. и гинек. 2003. № 3. С. 41–46.


  2. Митьков В. В., Медведев М. В. Клиническое руководство по ультразвуковой диагностике. М., 1997. Т. I.


  3. Соломатина А. А., Степанов К. И., Курбатская О. И., Демина Л. Н., Пашкова А. В. Цветное доплеровское картирование в диагностике опухолей и опухолевидных образований яичников / Акуш. и гинек. 2003. № 2. С. 54–57.


  4. Патолого-анатомическая диагностика опухолей человека. Руководство для врачей. Под редакцией Н. А. Краевского, А. В. Смолянникова, Д. С. Саркисова: М.: Медицина, 1993. В 2-х томах.


  5. Серов С. Ф., Иржанов С. И., Бейсебаев А. А. Эпителиальные опухоли яичников. Алма-Ата: Казахстан. 1991.


  6. Zeimet A. G., Muller-Holzner E., Marth C. Tumor marker CA-125 in tissuer of the female reproductive tract and serum during the normal menstrual cycle // Fertil. Steril. 1993.


Л. М. Абдуллаева, кандидат медицинских наук Ташкентская медицинская академия, Ташкент

Кафедра гистологии, цитологии и эмбриологии ХНМУ

Хол кафедри гістології

Головний корпус ХНМУ

Хол кафедри гістології

АДРЕС: 61022, Украина, г. Харьков,

пр. Науки, 4, УЛК

Тел. (057) 707-72-78 (заведующий), 707-73-51; 707-73-46.

[email protected]

Кафедра гистологии, цитологии и эмбриологии ХНМУ — старейшая в Украине

Кафедра гистологии, цитологии и эмбриологии Харьковского национального медицинского университета является первой в Украине. Началом ее существования официально считается апрель 1867 год.

 

Основателем кафедры гистологии был профессор, доктор медицины Никонор Адамович Хржонщевский, который внес большой вклад в области изучения морфологии почек.

 

В течение разных лет кафедру возглавляли проф. И.П. Щелков, И.К. Вагнер, К.З. Кучин, М.К. Кульчицкий, доктор медицины М.Ф. Кащенко. С 1937 г. до 1974 г. кафедрой заведовал выдающийся гистолог, заслуженный деятель науки Украины, лауреат Государственной премии УССР доктор биологических наук, профессор Борис Владимирович Алешин, который успешно занимался изучением важных теоретических проблем современной нейроэндокринологии.

 

С 1976 г. до 1995 г. кафедрой руководил академик Украинской академии наук национального прогресса (1996), доктор медицинских наук, профессор Евгений Яковлевич Панков.

 

С 1996 г. по 2014 г. кафедру возглавлял доктор медицинских наук, профессор Сергей Юрьевич Масловский.

Учебная работа

Дисциплины, изучаемые на кафедре — гистология, цитология и эмбриология. Учитывая то, что преподавание гистологии требует большого количества иллюстративного материала, большое количество схем, рисунков, микрофотографий, электронограмм, классификаций демонстрируется на лекциях и практических занятиях. Лекции читаются с использованием видеофильма по материалам учебных микропрепаратов, созданного сотрудниками кафедры.

 

Много внимания уделяется совершенствованию учебного процесса студентов. На каждом практическом занятии проводится диагностика микроскопических препаратов, электронограмм, зарисовка и описание микропрепаратов; расшифровка гистологических задач; письменные ответы на контрольные вопросы с использованием обязательных учебных элементов. На итоговых занятиях студенты проходят тестирование с помощью компьютерной программы для контроля и выяснения уровня знаний.

Коллектив кафедры

Коллектив кафедры гистологии, цитологии и эмбриологии ХНМУ, 2017 год.

Степаненко Александр Юрьевич

Заведующий кафедрой, доктор медицинских наук, профессор

Мирошниченко Елена Викторовна

Кандидат медицинских наук, профессор

Деева Татьяна Владимировна

Кандидат биологических наук, доцент

Верещакина Виктория Викторовна

Кандидат медицинских наук, доцент

Ерохина Виктория Валерьевна

Кандидат медицинских наук, доцент

Карамышев Василий Дмитриевич

Кандидат медицинских наук, доцент

Пирятинская Наталия Евгеньевна

Кандидат медицинских наук, доцент

Рыхлик Светлана Васильевна

Кандидат медицинских наук, доцент

Горелова Виктория Михайловна

Кандидат наук, старший преподаватель

Клочко Наталия Ивановна

Старший преподаватель

Марьенко Наталия Ивановна

Кандидат медицинских наук, старший преподаватель

Самосудова Людмила Викторовна

Кандидат медицинских наук, старший преподаватель

Абрамчук Алина Борисовна

Ассистент

Алексеева Виктория Викторовна

PhD, Ассистент

Губенко Ирина Анатольевна

Ассистент

Новикова Катерина Анатольевна

Ассистент

Панасенко Вячеслав Алексеевич

Ассистент

Сакал Анна Александровна

Кандидат медицинских наук, ассистент

Трач Ольга Александровна

Кандидат медицинских наук, ассистент

Калашникова Елена Сергеевна

Аспирант

Кольцова Лариса Вячеславовна

Аспирант

Орлова Татьяна Викторовна

Аспирант

Снежко Наталия Борисовна

Старший лаборант

Хачапуридзе Валерия Игоревна

Старший лаборант

Малышко Наталия Васильевна

Лаборант

Твердохлебова Ольга Васильевна

Лаборант

Гистологические исследования в клинике «Колыбель» в Воронеже


Гистологические исследования


    Гистология — метод исследования тканей организма. При необходимости врач производит взятия образца ткани какого-либо органа для подробного его изучения под микроскопом. Очень часто гистологические исследования применяются в области гинекологии и онкологии.


    Чтобы получить образцы тканей, используют несколько основных методов забора материала:


    Выскабливание с помощью кюретки (кюретаж)
    внутренних стенок половых органов (матки или шейки матки).
    — Пункция длинной иглой,
    производящей забор тканей и одновременно жидкости из новообразований в матке. Используется при диагностировании не доброкачественных опухолей.
    — Щипцовая биопсия
    – распространенный гинекологический метод взятия образца на исследование. Отщипывание материала производится несколько раз, чтобы отобрать большее количество тканей и наверняка захватить мелкие образования вроде полипов.
    — Эксцизионная биопсия
    проводится иссечением необходимого для анализа количества тканей путем проведения операции.
     Аспирация
    или аспирационная биопсия заключается в отсасывании из матки специального раствора, введенного заранее в ее полость. Электроприбор для аспирации помогает получать смывы со всего эндометрия. Метод применяется при определении эндометрита.
    — Пайпель-биопсия
    заключается в введении пластиковой трубочки с отверстием в полость матки, в это отверстие попадает образец ткани для исследования. Способ безболезненный, простой и наиболее часто применяемый в гинекологии.
    —Отрезание тканей
    с части удаленного органа проводится в случае гистерэктомии.



    Правильно выбранный способ изъятия материала для анализа и его объем влияют на получение правильного результата. Поэтому очень важно для врача выбрать подходящий в каждом конкретном случае метод сбора образцов.Гистология – сложное исследование, оно обязательно проводится врачом-патоморфологом, который является специалистом в области изучения тканей человеческого организма.

    Что такое гистология в гинекологии


    Очень важным и самым информативным типом исследования в гинекологии считается анализ на гистологию. Женское здоровье в целом зависит от функционирования половых органов, поэтому предупреждение различных заболеваний или их лечение уже на ранних стадиях могут существенно повысить уровень жизни пациентки.


    При помощи гистологии стало возможным выяснение причин бесплодия или невынашивания беременностей
    у женщин, имеющих подобные проблемы. Многие гинекологические диагнозы можно поставить только после проведения данного обследования.

    Гистологическое исследование эндометрия


    Изучение внутренних слоев ткани шейки матки и самой матки, называемого эндометрий, позволяет проконтролировать работу яичников, диагностировать какие-либо патологии и болезни на начальных этапах, выявить гиперплазию эндометрия.


    Чтобы собрать материалы для лабораторного исследования проводят, соскоб с внутренних стенок матки.
    При непрекращающемся кровотечении не дожидаются времени наступления плановых месячных, забор тканей проводят незамедлительно.


    На окрашенных срезах можно определить особенности эндометрия и его строения. Здоровые неизмененные железы имеют отличие от больных по форме, она у них пиловидная, светло окрашенной цитоплазмой. А внутри них обязательно должен присутствовать секрет.

    Гистология шейки матки


    Гистологию тканей, отобранных с шейки матки, проводят, если есть опасения возникновения предраковых, предопухолевых состояний или наличие воспаления в этом органе. На анализ отбирается небольшая частица материала с поверхности шейки, забор выполняется без ее раскрытия.


    Сбор материала для обследования проводится одновременно при проведении гистероскопии
    в диагностических целях.

    Это вмешательство представляет собой обследование внутренних тканей и поверхности матки с применением специально предназначенного для такой процедуры оптического прибора, называемого гистероскоп.


    Врач отбирает кусочек ткани под наркозом (как правило, общим, но иногда применяют только обезболивание). Отобранные ткани направляют на гистологическое исследование, которое поможет определить причину нарушений в работе детородного органа и отличить злокачественную опухоль от доброкачественной (например, миомы).

    Гистология яичников


    Гистология яичников выполняется путем введения через брюшную стенку пункционной иглы. Она проникает в сами яичники и отбирает материал для анализа непосредственно из сомнительных участков (кистозного или опухолевого характера). Процесс сбора тканей проводится под контролем аппарата УЗИ, это позволяет провести сбор тканей именно с участков, вызывающих подозрения.

    Гистология после замершей беременности


    В данном случае на исследование отправляются ткани, полученные от погибшего эмбриона. Начиная со 2 триместра, погибший плод приходится удалять, проводя выскабливание внутренней полости матки.


    Анализ на гистологию помогает определить причины замершей беременности, чтобы предотвратить повторения ситуации.
    Таким образом, можно определить, что стало причиной гибели эмбриона – вирусы или инфекции, особенно половые, диабет или гормональный дисбаланс у женщины, аномальное строение половых органов.

    Гистология после выскабливания


    Выскабливание матки и ее полости – это сложный процесс сбора эндометрия, поэтому он проводится в операционной под наркозом или анестезией. Процедура занимает около получаса.


    При выскабливании сбор материала производится кюреткой. Весь полученный биологический материал собирают в пробирку и отправляют в лабораторию. Показаниями к проведению данной процедуры являются проблемы с беременностью (невынашивание, бесплодие), гиперплазия эндометрия. Также материал может быть собран при удалении плаценты, оставшейся после родов.


    После выскабливания исследуют образцы ткани, полученные непосредственно из самой матки. Для этого удаляют часть эпителия и отбирают биологически материал после его удаления из матки.


    Почему важен анализ на гистологию


    Врачи-репродуктологи широко используют данное исследование для выявления причин и лечения бесплодия. Гистологическое исследование является обязательным при обследовании женщины по причине бесплодия, согласно приказу №107-н МЗ РФ (исследование образцов шейки матки, при необходимости гистероскопия).


    Анализ на гистологию, проводимый после выкидыша или при других проблемах с беременностью, покажет причины, вызывающие данные проблемы.


    Назначать проведение гистологического анализа необходимо в случаях, когда нужно подтвердить или опровергнуть наличие в организме раковых клеток. Исследование покажет их присутствие даже на самых ранних стадиях заболевания, которые протекают бессимптомно. Это поможет начать лечение своевременно и полностью выздороветь.


    Иммуногистохимическое иссле́дование
    (ИГХ)
     


    ИГХ — метод микроскопического исследования тканей, обеспечивающий наиболее специфическое выявление в них искомых веществ и основанный взаимодействии «антиген-антитело». Иммуногистохимические методы используются для выявления локализации того или иного клеточного или тканевого компонента (антигена) in situ посредством связывания его с мечеными антителами и являются неотъемлемой частью современной диагностики рака, обеспечивая обнаружение локализации в тканях различных клеток, гормонов и их рецепторов, ферментов, иммуноглобулинов, компонентов клеток и отдельных генов.


    Цели ИГХ исследования


    Иммуногистохимические исследования позволяют:


    — осуществлять гистогенетическую диагностику опухолей


    — определять нозологический вариант новообразования;


    — выявлять первичную опухоль по метастазу с неизвестным первичным очагом;


    — определять прогноз опухолевого заболевания;


    — определять злокачественную трансформацию клеток;


    — определять возможности таргетной терапии;


    — выявлять как резистентность, так и чувствительность опухолевых клеток к химиотерапевтическим препаратам;


    — определять чувствительность опухолевых клеток к лучевой терапии.


    ИСПОЛЬЗОВАНИЕ ИГХ — МЕТОДА В ГИНЕКОЛОГИИ.


    ИГХ — иммуногистохимический анализ эндометрия.  


    Это анализ, который может быть назначен лечащим гинекологом в случае, если:


    — поставлен диагноз или подозрение на «бесплодие»

    — происходит невынашивание беременности (ранняя потеря беременности)

    — несколько попыток ЭКО оказались неудачными

    — необходима диагностика хронического эндометрита


      ИГХ – анализ, который помогает определить наличие и количество клеток, препятствующих возникновению беременности. А также определяет чувствительность рецепторов эндометрия к гормональной стимуляции, т.к. может сложиться ситуация, что женщина в целом здорова и все показатели в норме, однако, эндометрий не воспринимает гормоны, что не позволяет ему развиваться правильно. В этом случае, могут быть обнаружены такие патологические изменения эндометрия, как:


      — гиперплазия

      — эндометрит

      — десинхронизация процессов дифференцировки эндометрия

      — неполноценная секреторная трансформация


        Зачастую (в 2 из 3 случаях не возникновения желанной беременности) именно эти патологии становятся главными причинами, поэтому так важно вовремя обратиться к опытному специалисту и провести ИГХ.


        С помощью иммуногистохимического исследования эндометрия можно выявить инфицирование вирусами (ВПЧ 16, ВПГ и др.), чему в последнее время уделяется большое внимание, как причине хронического эндометрита и, как следствие, бесплодности женщины.


        Понимание причины неудачных попыток забеременеть поможет подобрать необходимое лечение и дать возможность получить желанную беременность!


        ИГХ — диагностика онкологических заболеваний


        ИГХ рецепторы к эстрогенам и прогестерону — показатель зависимости опухолевой активности от гормонов эстрогена и прогестерона. Позволяет выявить гормонально-зависимый рак, а также применять гормональную терапию.


        ИГХ оценка пролиферативной активности по экспрессии Ki-67 — гистологическое исследование биоптатов опухолей, с морфологическим описанием и оценкой активности деления клеток (индекс пролиферации Ki-67), для определения биологического потенциала новообразований.


        ИГХ HER-2 экспрессия
        — определение уровня активности гена HER-2, проводимое для оценки метастатического потенциала опухоли и подбора терапии при раке молочной железы или раке желудка


        ИГХ диагностика хронического эндометрита
        — выявление плазматических клеток — Комплексное исследование эндометрия (морфологическое описание и оценка экспрессии CD138-маркера плазматических клеток) для дифференциальной диагностики хронического эндометрита


        ИГХ маркера ранней диагностики дисплазии с высокой степенью риска озлокачествления
        -


        комплексное исследование биоптата шейки матки (морфологическое описание и оценка экспрессии белка р16INK4a) для уточнения биологического потенциала изменений эпителия шейки матки.


        ИГХ скриннинг рака шейки матки
        — комплексное исследование биоптатов шейки матки (морфологическое описание и оценка экспрессии p16INK4a и Ki-67) для уточнения биологического потенциала диспластических изменений в эпителии шейки матки


        ИГХ комплекс рак молочной железы — стандарт диагностики для оценки биологического потенциала, прогноза течения и подбора индивидуальных схем терапии рака молочной железы (РМЖ).

        Гистология родинки ᐅ гистологическое исследование родинок в Харькове

        Гистология родинки – диагностика кожных новообразований, позволяющая определить их природу и характер. В большинстве случаев такое исследование дает возможность выявить или исключить меланому, базалиому или плоскоклеточный рак кожи.

        Все люди имеют на теле скопление пигментированных клеток, которое называется родинками. Большинство таких проявлений – доброкачественные образования. Однако и они требуют регулярного контроля. Если только родинка начала менять цвет, растет, изменились ее контуры и форма, специалисты рекомендуют провести диагностику. Визуальные перемены могут свидетельствовать о серьезных процессах в тканях дермы на клеточном уровне. Конечно, чтобы исключить рак, лучше сделать операцию по удалению родинки и провести гистологию тканей. Но в некоторых случаях можно сделать гистологию без удаления.

        Узнать подробнее о процедурах диагностики и удаления родинок можно из предлагаемой статьи или непосредственно у врача дерматолога в Центре «Лазерсвіт». Записывайтесь на консультацию специалиста по контактному телефону.

        Несколько слов о необходимости гистологии

        Не всегда гистология проводится с полным удалением родинки с тела. В некоторых случаях, когда пациент воспринимает такую «отметку» как украшение, можно исследовать образование, взяв образец тканей.

        Небольшой фрагмент кожи помещается в специальную суспензию и изучается под мощным микроскопом. Задача лаборанта исключить или выявить опасные скопления клеток, которые рассматриваются как патологии. По результатам диагностики пишется заключение, в дальнейшем выступающее основой для постановки диагноза.

        Очень важно: Гистологическое исследование родинки позволяет выявить раковые клетки еще на этапе их зарождения. Это дает возможность своевременно назначить адекватное комплексное лечение и добиться полного излечения онкологического больного.

        Гистологическое исследование родинок: какие кожные новообразования требуют контроля?

        Родинки не имеют конкретной локализации. Они могут быть абсолютно на любом участке кожи, на любой части тела. Часто они есть у новорожденного ребенка. Также родинки могут появляться в течение жизни.

        Кожные образования бывают несосудистыми (пигментация, стебельчатые или бородавчатые возвышения) и сосудистыми (гемангиомы). Сосудистые родинки бывают красного или розового цвета, разного размера. Капиллярные родинки имеют плоскую структуру и располагаются на поверхности кожи. Кавернозные образования имеют узловатую форму. Они находятся в толще дермы. Бородавчатые бурые и серые бляшки отличаются твердой и неровной поверхностью. Темные бляшки называют пигментными родинками. Иногда они покрыты волосками.

        Все перечисленные виды образований не требуют вмешательства, если находятся в спокойном состоянии. Также их часто удаляют без гистологии. Однако в ряде случаев они требуют диагностики. К таким ситуациям относятся:

        • появившиеся язвы на поверхности;
        • выпадение волосков с пигментной родинки;
        • жжение в зоне расположения родимого пятна;
        • изменение размера, формы, цвета, структуры новообразования;
        • покраснение кожи вокруг невуса;
        • появление черных узелков вокруг образования.

        Перечисленные проявления могут свидетельствовать о перерождении новообразования. Поэтому важно не только удалить его, рекомендована гистология родинки перед удалением.

        Важно: Анализ позволяет определить характер образования, обозначить границы вмешательства и составить дальнейший план восстановления или даже лечения.

        Также важна диагностика, если пациентка или пациент находятся в зоне риска. Сдать родинку на гистологию специалисты советуют людям, которые:

        • имеют на теле множество пигментных образований, в том числе большого размера;
        • имеют светлую кожу и светлые волосы;
        • часто посещают солярий и любят загорать;
        • имеют много веснушек;
        • столкнулись с онкологическими кожными заболеваниями у близких родственников.

        Почему не стоит удалять родинки в косметологических кабинетах?

        Очень часто косметологические кабинеты предлагают услугу удаления родинок лазерным методом. Это проверенный эффективный способ. Однако в таких заведениях не делают исследований иссеченных тканей, поэтому обращаться лучше в специализированные учреждения.

        Если в кожных клетках произошли необратимые изменения, локального воздействия лазерным аппаратом будет недостаточно, чтобы предупредить развитие рака кожи. Именно поэтому настоятельно рекомендована гистология после удаления родинки лазером, которая проводится в Центре «Лазерсвіт».

        Важно: Гистология невуса позволяет на ранних стадиях распознать патологию. Если гистология родинки плохая, незамедлительно назначается адекватное лечение.

        Как проводят удаление родинок с гистологией?

        Удаление кожных новообразований считается несложным хирургическим вмешательством. Процедура не требует диспансеризации или сложной подготовки. Напротив, если назначено удаление родинки с гистологией, в течение определенного времени запрещено использовать различные крема, лосьоны для тела.

        Сразу после иссечения тканей отправляется родинка на гистологию в лабораторию, где исследуется с использованием мощного микроскопа. Диагностика пигментных поражений построена на выявлении и анализе малигнизированных пигментообразующих клеток – меланоцитов.

        Важно: Идентификация клеток и тестирование опухолей требуют высокого профессионализма специалиста. В Центре «Лазерсвіт» работают ведущие врачи Харькова, имеющие высокую квалификацию и опыт. В работе им помогает современное диагностическое оборудование.

        Анализ родинки на гистологию под микроскопом покажет следующее:

        • характер и тип образования;
        • степень сосудистой инвазии;
        • инфильтрацию;
        • митотическую активность клеток.

        Наших пациентов интересует, сколько делается гистология родинки. Результаты гистологии родинки с расшифровкой вы получите через 14 дней после забора анализа.

        Стоимость гистологического исследования в Харькове

        • Консультация врача дерматолога

          400 грн

        • Цифровая дерматоскопия (заключение, распечатка снимка)

          248 грн

        • Повторная консультация

          250 грн

        • Контрольный осмотр

          125 грн

        • Гистологическое исследование

          400 грн

        Мы предлагаем высокопрофессиональные услуги по самой выгодной не только в харьковском регионе, но и Украине стоимости (с учетом уровня сервиса, скорости и качества проводимых манипуляций). Вы можете узнать цены на гистологию родинки и получить полную информацию о том, какие родинки можно удалять без гистологии, во время персональной консультации врача-дерматолога.

        Расшифровка патологии плаценты: Использование комплексного контрольного списка и системы оценки для сообщения о плацентах при гипертензивных расстройствах беременности

        Обсервационное исследование

        . 2022 г., апрель-июнь; 65(2):362-368.

        doi: 10.4103/IJPM.IJPM_1004_20.

        Саудамини О Сикчи
        1
        , Адитья Д. Кулкарни
        1
        , Минакши Суэйн
        1

        принадлежность

        • 1 Отделение гистопатологии, больницы Аполлона, Джубили Хиллз, Хайдарабад (Ташингтон), Телангана, Индия.
        • PMID:

          35435372

        • DOI:

          10.4103/IJPM.IJPM_1004_20

        Бесплатная статья

        Наблюдательное исследование

        Saudamini O Sikchi et al.

        Индиан Дж. Патол Микробиол.

        2022 апрель-июнь.

        Бесплатная статья

        . 2022 г., апрель-июнь; 65(2):362-368.

        doi: 10.4103/IJPM.IJPM_1004_20.

        Авторы

        Саудамини О Сикчи
        1
        , Адитья Д. Кулкарни
        1
        , Минакши Суэйн
        1

        принадлежность

        • 1 Отделение гистопатологии, больницы Аполлона, Джубили Хиллз, Хайдарабад (Ташингтон), Телангана, Индия.
        • PMID:

          35435372

        • DOI:

          10.4103/IJPM.IJPM_1004_20

        Абстрактный


        Введение/контекст:

        Гипертонические расстройства беременности (ГБН) являются серьезными осложнениями беременности и наблюдаются примерно в 5-10% всех беременностей. Среди них преэклампсия является ведущей причиной перинатальной и внутриутробной заболеваемости и смертности. Это многофакторное и мультисистемное заболевание, которое приводит к множеству гистоморфологических признаков, некоторые из которых могут быть упущены, если не провести тщательное обследование.


        Цели и задачи:

        Настоящее исследование было направлено на то, чтобы предложить контрольный список и новую систему оценки для обеспечения всестороннего исследования плаценты. Мы также стремились оценить корреляцию, если таковая имеется, между гистопатологическими и морфометрическими данными при HDP и ростом плода.


        Материалы и методы:

        В наше перекрестное обсервационное исследование были включены в общей сложности 100 плацент женщин с диагнозом гипертензивные расстройства беременности. Были проанализированы морфометрические и гистологические особенности, которые, как известно, наблюдаются при HDP, и каждому из них была присвоена числовая оценка в зависимости от их тяжести.


        Используемый статистический анализ:

        Для корреляции этих результатов был применен тест коэффициента корреляции Пирсона, а тест ANOVA был использован для оценки корреляции этих результатов с задержкой роста плода (ЗРП).


        Полученные результаты:

        Более 50% исследованных плацент зафиксировали максимальные баллы по массе и объему. Не менее 25% плацент показали наличие всех исследуемых гистопатологических признаков. Ассоциация общих морфометрических и гистологических показателей не оказалась статистически значимой (значение P = 0,239).). Мы обнаружили значительную разницу между средними морфометрическими показателями случаев с нормальным ростом плода и случаев, показывающих ЗРП (значение P = 0,008).


        Вывод:

        Неравномерное распределение и представление поражений в этих случаях может привести к отсутствию корреляции между морфометрией и гистопатологией, как видно из нашего исследования. Морфометрические нарушения в плаценте коррелируют с ЗРП. Предлагаемый нами контрольный список и система подсчета очков могут быть использованы для стандартизации отчетов о образцах плаценты при оценке плацент с HDP, чтобы облегчить и стандартизировать отчеты о плацентах.


        Ключевые слова:

        контрольный список; ограничение роста плода; гипертонические расстройства беременности; плацентарное исследование.

        Заявление о конфликте интересов

        Нет

        Похожие статьи

        • Базальный хронический виллит и нарушения базальной пластинки плаценты: возможная иммунологическая связь между гипертензивными расстройствами беременности и патологически прикрепленной плацентой.

          Кацман П.Дж., Блитман Дж., Метлей Л.А.
          Кацман П.Дж. и соавт.
          Педиатр Дев Патол. 2019 июль-август; 22(4):334-339. дои: 10.1177/1093526619825708. Epub 2019 21 января.
          Педиатр Дев Патол. 2019.

          PMID: 30665335

        • Анализы сыворотки первого триместра, биофизические тесты и ассоциация с патологической морфометрией в плаценте беременных с преэклампсией и задержкой роста плода.

          Одибо А.О., Чжун Ю., Лонгтайн М., Туули М., Одибо Л., Кэхилл А.Г., Маконес Г.А., Нельсон Д.М.
          Одибо А.О. и соавт.
          Плацента. 2011 апр; 32 (4): 333-8. doi: 10.1016/j.placenta.2011.01.016. Epub 2011, 13 февраля.
          Плацента. 2011.

          PMID: 21324404
          Бесплатная статья ЧВК.

        • Плацентарная морфометрия при гипертонических расстройствах беременности и ее связь с массой тела при рождении в латиноамериканском населении.

          Marques MR, Grandi C, Nascente LMP, Cavalli RC, Cardoso VC.
          Маркес М.Р. и др.
          Беременность Гипертония. 2018 июль;13:235-241. doi: 10.1016/j.preghy.2018.06.020. Epub 2018 30 июня.
          Беременность Гипертония. 2018.

          PMID: 30177058

        • Плацентарная патология при ранней и поздней задержке роста плода.

          Мифсуд В., Себире, штат Нью-Джерси.
          Мифсуд В. и соавт.
          Диагностика плода Тер. 2014;36(2):117-28. дои: 10.1159/000359969. Epub 2014, 21 февраля.
          Диагностика плода Тер. 2014.

          PMID: 24577279

          Обзор.

        • Метаболизм оксида азота в плаценте человека при аберрантном материнском воспалении.

          Mukosera GT, Clark TC, Ngo L, Liu T, Schroeder H, Power GG, Yellon SM, Parast MM, Blood AB.
          Мукосера ГТ и др.
          Дж. Физиол. 2020 июнь;598(11):2223-2241. дои: 10.1113/JP279057. Epub 2020 16 апр.
          Дж. Физиол. 2020.

          PMID: 32118291

        Посмотреть все похожие статьи

        Типы публикаций

        термины MeSH

        Декодирование функций уровня семейства для современных и ископаемых листьев из тепловых карт компьютерного зрения

        Сохранить цитату в файл

        Формат:

        Резюме (текст) PubMedPMIDAbstract (текст) CSV

        Добавить в коллекции

        • Создать новую коллекцию
        • Добавить в существующую коллекцию

        Назовите свою коллекцию:

        Имя должно содержать менее 100 символов

        Выберите коллекцию:

        Невозможно загрузить вашу коллекцию из-за ошибки
        Повторите попытку

        Добавить в мою библиографию

        • Моя библиография

        Не удалось загрузить делегатов из-за ошибки
        Повторите попытку

        Ваш сохраненный поиск

        Название сохраненного поиска:

        Условия поиска:

        Тестовые условия поиска

        Эл. адрес:

        (изменить)

        Который день?

        Первое воскресеньеПервый понедельникПервый вторникПервая средаПервый четвергПервая пятницаПервая субботаПервый деньПервый рабочий день

        Который день?

        воскресеньепонедельниквторниксредачетвергпятницасуббота

        Формат отчета:

        РезюмеРезюме (текст)АбстрактАбстракт (текст)PubMed

        Отправить максимум:

        1 шт. 5 шт. 10 шт. 20 шт. 50 шт. 100 шт. 200 шт.

        Отправить, даже если нет новых результатов

        Необязательный текст в электронном письме:

        Создайте файл для внешнего программного обеспечения для управления цитированием

        Полнотекстовые ссылки

        Уайли

        Полнотекстовые ссылки

        . 2022 май; 109(5):768-788.

        дои: 10.1002/ajb2.1842.

        Epub 2022 17 апр.

        Эдвард Дж. Спаньоло
        1

        2

        3
        , Питер Уилф
        1
        , Томас Серр
        4

        Принадлежности

        • 1 Факультет наук о Земле и Институт систем Земли и окружающей среды, Государственный университет Пенсильвании, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 2 Программа стипендий тысячелетия, Пенсильванский государственный университет, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 3 Колледж с отличием Шрейера, Университет штата Пенсильвания, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 4 Отделение когнитивных, лингвистических и психологических наук, Институт изучения мозга Карни, Университет Брауна, Провиденс, Род-Айленд, 02912, США.
        • PMID:

          35319778

        • DOI:

          10.1002/ajb2.1842

        Эдвард Дж. Спагнуоло и соавт.

        Эм Джей Бот.

        2022 май.

        . 2022 май; 109(5):768-788.

        дои: 10.1002/ajb2.1842.

        Epub 2022 17 апр.

        Авторы

        Эдвард Дж. Спаньоло
        1

        2

        3
        , Питер Уилф
        1
        , Томас Серр
        4

        Принадлежности

        • 1 Факультет наук о Земле и Институт систем Земли и окружающей среды, Государственный университет Пенсильвании, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 2 Программа стипендий тысячелетия, Пенсильванский государственный университет, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 3 Колледж с отличием Шрейера, Университет штата Пенсильвания, Юниверсити-Парк, Пенсильвания, 16802, США.
        • 4 Отделение когнитивных, лингвистических и психологических наук, Институт изучения мозга Карни, Университет Брауна, Провиденс, Род-Айленд, 02912, США.
        • PMID:

          35319778

        • DOI:

          10.1002/ajb2.1842

        Абстрактный


        Помещение:

        Листья покрытосеменных представляют собой классическую проблему идентификации из-за их морфологической сложности. Алгоритмы компьютерного зрения могут идентифицировать диагностические области на изображениях, а выходные данные тепловой карты иллюстрируют эти области для идентификации, предоставляя новые идеи с помощью визуальной обратной связи. Мы изучаем потенциал анализа тепловых карт листьев для выявления новой, удобной для человека ботанической информации с приложениями для идентификации сохранившихся и ископаемых листьев.


        Методы:

        Мы разработали ручную систему подсчета очков для местоположений горячих точек на опубликованных тепловых картах компьютерного зрения очищенных листьев, которые показывали диагностические области для идентификации семейства. Были проанализированы тепловые карты 3114 очищенных листьев 930 родов 14 семейств покрытосеменных растений. Первые 5 и первые 1 области горячих точек с наивысшей диагностической ценностью были оценены для 21 местоположения листа. Полученные данные были просмотрены с использованием блочных диаграмм и проанализированы с использованием кластерного анализа и анализа основных компонентов. Мы вручную идентифицировали подобные особенности в ископаемых листьях, чтобы неофициально продемонстрировать потенциальное применение ископаемых.


        Полученные результаты:

        Этот метод успешно картировал машинную стратегию, используя стандартный ботанический язык, и для каждого семейства были выявлены отличительные закономерности. Очаги концентрировались на вторичных жилках (Salicaceae, Myrtaceae, Anacardiaceae), вершинах зубцов (Betulaceae, Rosaceae) и на малоизученных краях незубчатых листьев (Rubiaceae, Annonaceae, Ericaceae). Подобные особенности повлияли на результаты многомерного анализа. Результаты повторяют многие традиционные наблюдения, а также показывают, что большинство диагностических признаков листьев остаются неописанными.


        Выводы:

        Созданные машиной тепловые карты, в которых изначально, казалось, преобладал шум, могут быть переведены в интерпретируемые человеком знания, указывая пути дальнейшего развития ботаников и палеоботаников для открытия новых диагностических ботанических признаков.


        Ключевые слова:

        очищенные листья; компьютерное зрение; идентификация окаменелостей; ископаемые листья; тепловые карты; листовая архитектура; идентификация листьев; край листа; листовые зубы; жилкование листьев.

        © 2022 Ботаническое общество Америки.

        Похожие статьи

        • Компьютерное зрение взламывает код листьев.

          Уилф П., Чжан С., Чиккерур С., Литтл С.А., Крыло С.Л., Серр Т.
          Уилф П. и др.
          Proc Natl Acad Sci U S A. 22 марта 2016 г .; 113 (12): 3305-10. doi: 10.1073/pnas.1524473113. Epub 2016 7 марта.
          Proc Natl Acad Sci U S A. 2016.

          PMID: 26951664
          Бесплатная статья ЧВК.

        • Набор изображений расчищенных, рентгеновских и ископаемых листьев, проверенных для семейства растений для человеческого и машинного обучения.

          Уилф П., Винг С.Л., Мейер Х.В., Роуз Дж.А., Саха Р., Серре Т., Кунео Н.Р., Донован М.П., ​​Эрвин Д.М., Гандольфо М.А., Гонсалес-Акре Э., Эррера Ф., Ху С., Иглесиас А., Джонсон К.Р., Карим ТС, Цзоу С.
          Уилф П. и др.
          Фитоключи. 2021 16 декабря; 187: 93-128. doi: 10.3897/phytokeys.187.72350. Электронная коллекция 2021.
          Фитоключи. 2021.

          PMID: 35068970
          Бесплатная статья ЧВК.

        • Идентификация ископаемых листьев Myrtaceae: первые описанные окаменелости Syzygium из Австралии.

          Тарран М., Уилсон П.Г., Полл Р., Биффин Э., Хилл Р.С.
          Тарран М. и др.
          Эм Джей Бот. 2018 Октябрь; 105 (10): 1748-1759. дои: 10.1002/ajb2.1163. Epub 2018 1 октября.
          Эм Джей Бот. 2018.

          PMID: 30276795

        • Вариации морфологических и эпидермальных признаков теневых и солнечных листьев двух видов: Quercus bambusifolia и Q. myrsinifolia.

          Маслова Н.П., Карасев Е.В., Сюй С.Л., Спайсер Р.А., Лю XY, Кодрул Т.М., Спайсер Т.Э.В., Джин Дж.Х.
          Маслова Н.П. и соавт.
          Эм Джей Бот. 2021 авг; 108(8):1441-1463. дои: 10.1002/ajb2.1706. Epub 2021 25 августа.
          Эм Джей Бот. 2021.

          PMID: 34431508

        • Развитие поверхности листьев и летопись окаменелостей растений: рисунок устьиц у Bennettitales.

          Рудалл П.Дж., Бейтман Р.М.
          Рудалл П.Дж. и соавт.
          Biol Rev Camb Philos Soc. 2019Июнь; 94 (3): 1179-1194. doi: 10.1111/brv.12497. Epub 2019 4 февраля.
          Biol Rev Camb Philos Soc. 2019.

          PMID: 30714286

          Обзор.

        Посмотреть все похожие статьи

        использованная литература

        ССЫЛКИ
          1. Алмейда Б.К., М. Гарг, М. Кубат и М.Е. Афхами. 2020. Не то дерево: оценка потенциала идентификации растений на основе дерева решений с использованием баз данных признаков. Приложения в науках о растениях 8: e11379.

          1. Андрес-Эрнандес, А. Р., и Т. Террасас. 2009. Листовая архитектура Rhus s.str. (анакардиевые). Feddes Repertorium 120: 293-306.

          1. Филогенная группа покрытосеменных растений. 1998. Порядковая классификация семейств цветковых растений. Анналы Ботанического сада Миссури 85: 531-553.

          1. Филогенная группа покрытосеменных растений. 2009. Обновление классификации филогенетической группы покрытосеменных для отрядов и семейств цветковых растений: APG III. Ботанический журнал Линнеевского общества 161: 105–121.

          1. Филогенная группа покрытосеменных растений. 2016. Обновление классификации филогенетической группы покрытосеменных для отрядов и семейств цветковых растений: APG IV. Ботанический журнал Линнеевского общества 181: 1-20.

        Типы публикаций

        термины MeSH

        Полнотекстовые ссылки

        Уайли

        Укажите

        Формат:

        ААД

        АПА

        МДА

        НЛМ

        Отправить по номеру

        Декодирование контекста — документация BrainStat 0.3.6

        В этом руководстве вы узнаете об инструментах декодирования контекста, включенных в
        BrainStat. Модуль декодирования контекста состоит из трех частей: генетической
        декодирование, метааналитическое декодирование и гистологические сравнения. Прежде чем мы начнем,
        давайте запустим тестирование линейной модели на влияние возраста на толщину коры, как
        мы сделали в Уроке 1. Мы будем использовать результаты этой модели позже в этом
        руководство.

         из brainstat.datasets import fetch_mask, fetch_template_surface
        из brainstat.stats.SLM импортировать SLM
        из brainstat.stats.terms импортировать FixedEffect, MixedEffect
        из brainstat.tutorial.utils импортировать fetch_mics_data
        толщина, демография = fetch_mics_data()
        маска = fetch_mask("fsaverage5")
        term_age = FixedEffect(demographics.AGE_AT_SCAN)
        term_sex = FixedEffect(demographics.SEX)
        term_subject = смешанный эффект (демография.SUB_ID)
        модель = термин_возраст + термин_пол + термин_возраст * термин_пол + термин_тема
        convert_age = -model.mean.AGE_AT_SCAN
        ПЛМ = ПЛМ(
            модель,
            контраст_возраст,
            прибой = "fsaverage5",
            маска = маска,
            коррекция=["фдр", "рфт"],
            two_tailed = Ложь,
            кластер_порог = 0,01,
        )
        slm. fit(толщина)
         

        Генетика

        Для генетического расшифровки мы используем Атлас человеческого мозга Аллена через abagen
        ящик для инструментов. Обратите внимание, что abagen принимает только парцеллированные данные. Вот минимальный
        пример того, как мы используем abagen для получения генетической экспрессии 100 регионов
        атласа Шефера и как представить это выражение в виде матрицы. Пожалуйста, обрати внимание
        что загрузка набора данных и запуск этого анализа может занять несколько
        минут.

         импортная копия
        импортировать matplotlib.pyplot как plt
        импортировать numpy как np
        импортировать панд как pd
        импорт из brainspace.utils.parcellation
        из matplotlib.cm импортировать get_cmap
        from brainstat.context.genetics импортирует surface_genetic_expression
        из brainstat.datasets импортировать fetch_parcellation
        # Получите генетическую экспрессию Schaefer-100.
        schaefer_100_fs5 = fetch_parcellation("fsaverage5", "schaefer", 100)
        поверхности = fetch_template_surface ("fsaverage5", join = False)
        выражение = поверхностное_генетическое_выражение (шефер_100_fs5, поверхности, пространство = "fsaverage")
        # Постройте матрицу генетической экспрессии Schaefer-100. 
        цветовая карта = копия.копировать(get_cmap())
        colormap.set_bad (цвет = "черный")
        plt.imshow (выражение, аспект = "авто", cmap = карта цветов)
        plt.colorbar().ax.tick_params (размер метки = 14)
        plt.xticks (размер шрифта = 14, вращение = 45)
        plt.yticks (размер шрифта = 14)
        plt.xlabel("Индекс гена", fontdict={"fontsize": 16})
        plt.ylabel("Шефер 100 регионов", fontdict={"fontsize": 16})
        plt.gcf().subplots_adjust(внизу=0,2)
         

        Expression — это кадр данных pandas, который показывает генетическую экспрессию генов.
        в пределах каждой области атласа. По умолчанию значения будут находиться в диапазоне
        [0, 1], где более высокие значения представляют более высокое выражение. Однако, если вы измените
        функция нормализации, то это может измениться. Некоторые регионы могут возвращать NaN
        значения для всех генов. Это происходит, когда в этом
        региона по всем донорам. Мы обозначили эту область черным цветом на
        матрица. По умолчанию BrainStat использует все параметры abagen по умолчанию. Если вы хотите
        настроить эти параметры, тогда аргументы ключевого слова могут быть переданы напрямую
        до поверхностное_генетическое_выражение . Полный список этих аргументов и их
        обратитесь к документации abagen.

        Теперь давайте посмотрим на корреляцию между одним геном (WFDC1) и нашим
        t-статистическая карта. Давайте также нанесем график экспрессии этого гена на поверхность.

         # Участок корреляции с геном WFDC1
        t_stat_schaefer_100 = reduce_by_labels(slm.t.flatten(), schaefer_100_fs5)[1:]
        df = pd.DataFrame({"x": t_stat_schaefer_100, "y": выражение["WFDC1"]})
        df.dropna (на месте = Истина)
        plt.scatter(df.x, df.y, s=20, c="k")
        plt.xticks (размер шрифта = 14)
        plt.yticks (размер шрифта = 14)
        plt.xlabel("t-статистика", fontdict={"fontsize": 16})
        plt.ylabel("Выражение WFDC1", fontdict={"fontsize": 16})
        plt.plot(np.unique(df.x), np.poly1d(np.polyfit(df.x, df.y, 1))(np.unique(df.x)), "k")
        plt.text(-1.0, 0.75, f"r={df.x.corr(df.y):.2f}", fontdict={"size": 14})
        plt.show()
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:103: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок. 
         
         # Поместите ген WFDC1 на поверхность.
        из brainspace.plotting.surface_plotting импорта plot_hemispheres
        из brainspace.utils.parcellation импортировать map_to_labels
        vertexwise_WFDC1 = map_to_labels(
            выражение["WFDC1"].to_numpy(),
            schaefer_100_fs5,
            маска=шефер_100_fs5 != 0,
            заполнить = np.нан,
        )
        plot_hemispheres(
            поверхности[0],
            поверхности[1],
            вершина_WFDC1,
            color_bar = Верно,
            embed_nb = Верно,
            размер=(1400, 200),
            зум=1,45,
            нан_цвет = (0,7, 0,7, 0,7, 1),
            cb__labelTextProperty={"Размер шрифта": 12},
        )
         

        Выход:

         <объект IPython.core.display.Image>
         

        Находим небольшую корреляцию. Для проверки значимости у нас будет
        сделать некоторые дополнительные исправления, но об этом позже.

        Meta-Analytic

        Для выполнения метааналитического декодирования BrainStat использует предварительно вычисленные карты Neurosynth.
        Здесь мы проверяем, какие термины больше всего связаны с картой толщины коры.
        Простой пример анализа можно запустить следующим образом. Поверхностный декодер
        интерполирует данные с поверхности в воксели в объеме, которые находятся в
        между двумя входными поверхностями. Мы расшифруем t-статистику, полученную с помощью нашей модели.
        ранее. Обратите внимание, что загрузка набора данных и запуск этого анализа может занять несколько минут.

         из brainstat.context.meta_analysis импортировать meta_analytic_decoder
        meta_analysis = meta_analytic_decoder("fsaverage5", slm.t.flatten())
        печать (мета_анализ)
         

        Исходящий:

         Пирсонс р
        прилежащее ядро ​​0,207419
        прилежащий 0,207216
        спинной передний 0.200371
        дакк 0.196472
        вентральное полосатое тело 0,194027
        ... ...
        селективность -0,225783
        распознавание объектов -0,231140
        v1 -0.232876
        боковая затылочная -0,233367
        зрячий -0,250493
        [3228 строк x 1 столбец]
         

        meta_analysis теперь содержит pandas.dataFrame со значениями корреляции для
        каждой запрошенной функции. Затем мы могли бы создать Wordcloud из включенных терминов,
        где более крупные слова обозначают более высокие корреляции.

         из wordcloud импорт WordCloud
        wc = WordCloud (background_color = "белый", random_state = 0)
        wc.generate_from_frequencies(frequencies=meta_analysis.to_dict()["R Пирсона"])
        plt.imshow (туалет)
        плт.ось("выкл")
        plt.show()
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:158: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок.
         

        В качестве альтернативы мы можем визуализировать верхние значения корреляции и связанные термины
        на радиолокационном графике следующим образом:

         из brainstat.context.meta_analysis import Radar_Plot
        ЧислоПодвиг = 8
        данные = meta_analysis.to_numpy()[:numFeat]
        метка = meta_analysis.index[:numFeat]
        Radar_plot (данные, метка = метка, axis_range = (0,18, 0,22))
         
        прилежащее ядро ​​ прилежащий спинной передний дакк вентральное полосатое тело идти на риск кора в соответствии с азартные игры
        0 0,207419 0,207216 0,200371 0,196472 0,194027 0,191846 0,187655 0,187419

        Если подвести итог, то мы увидим много слов, связанных с языком, например,
        «понимание языка», «брока», «говорение», «постановка речи».
        Как правило, вы также найдете несколько хитов, связанных с анатомией или клиническими состояниями.
        В зависимости от вашего исследовательского вопроса может быть интереснее
        выберите только те термины, которые относятся к познанию или какому-либо другому подмножеству.

        Гистологическое декодирование

        Для гистологического декодирования мы используем градиенты ковариации профиля микроструктуры,
        как впервые показано (Paquola et al, 2019, Plos Biology), рассчитанным на основе
        Набор данных BigBrain. Во-первых, давайте загрузим данные MPC, вычислим и построим их график.
        градиенты и сопоставьте первый градиент с нашей t-статистической картой.

         из импорта brainstat.context.histology (
            вычислить_гистология_градиенты,
            вычислить_mpc,
            read_histology_profile,
        )
        # Запустить анализ
        schaefer_400 = fetch_parcellation("fsaverage5", "schaefer", 400)
        histology_profiles = read_histology_profile (template = "fsaverage5")
        mpc = calculate_mpc (гистологические_профили, метки = schaefer_400)
        градиент_карта = вычислить_гистология_градиенты (mpc, random_state = 0)
        # Приведение парцеллированных данных к вершинным данным. 
        vertexwise_gradient = map_to_labels(
            градиент_карта.градиенты_[:, 0],
            Шефер_400,
            маска=шефер_400 != 0,
            заполнить = np.нан,
        )
        plot_hemispheres(
            поверхности[0],
            поверхности[1],
            вершинный_градиент,
            embed_nb = Верно,
            нан_цвет = (0,7, 0,7, 0,7, 1),
            размер=(1400, 200),
            зум=1,45,
        )
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/brainstat/context/histology.py:105: RuntimeWarning:
        деление на ноль, встречающееся в true_divide
        /Users/saratheriver/Desktop/McGill_PhD/BrainStat/brainstat/context/histology.py:105: RuntimeWarning:
        в журнале обнаружено недопустимое значение
        <Объект IPython.core.display.Image>
         
         # Постройте корреляцию между t-stat
        t_stat_schaefer_400 = reduce_by_labels(slm.t.flatten(), schaefer_400)[1:]
        df = pd.DataFrame({"x": t_stat_schaefer_400, "y": градиент_карта.градиенты_[:, 0]})
        df.dropna (на месте = Истина)
        plt.scatter(df.x, df.y, s=5, c="k")
        plt.xticks (размер шрифта = 14)
        plt.yticks (размер шрифта = 14)
        plt. xlabel("t-статистика", fontdict={"fontsize": 16})
        plt.ylabel("Градиент MPC 1", fontdict={"fontsize": 16})
        plt.plot(np.unique(df.x), np.poly1d(np.polyfit(df.x, df.y, 1))(np.unique(df.x)), "k")
        plt.text(2.3, 0.1, f"r={df.x.corr(df.y):.2f}", fontdict={"size": 14})
        plt.gcf().subplots_adjust(слева=0,15)
        plt.show()
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:229: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок.
         

        Переменная histology_profiles теперь содержит гистологические профили, отобранные в
        50 различных глубин коры, mpc содержит ковариацию этих
        профили, а градиент_карта содержит их градиенты. Мы также видим, что
        корреляция между нашей t-статистической картой и этими градиентами не очень
        высокая. В зависимости от вашего варианта использования каждая из трех переменных здесь может быть
        интерес, но для целей этого урока мы нанесем градиенты на
        поверхность с помощью BrainSpace. Подробнее о том, что такое класс GradientMaps
        (gradient_map) см. документацию BrainSpace.

         из brainspace.utils.parcellation import map_to_labels
        поверхности = fetch_template_surface ("fsaverage5", join = False)
        # Приведение парцеллированных данных к вершинным данным.
        вершинные_данные = []
        для я в диапазоне (0, 2):
            vertexwise_data.append(
                map_to_labels(
                    градиент_карта.градиенты_[:, я],
                    Шефер_400,
                    маска=шефер_400 != 0,
                    заполнить = np.нан,
                )
            )
        # Сюжет на поверхность.
        plot_hemispheres(
            поверхности[0],
            поверхности[1],
            вершинные_данные,
            embed_nb = Верно,
            label_text=["Градиент 1", "Градиент 2"],
            color_bar = Верно,
            размер=(1400, 400),
            зум=1,45,
            нан_цвет = (0,7, 0,7, 0,7, 1),
            cb__labelTextProperty={"Размер шрифта": 12},
        )
         

        Выход:

         <объект IPython.core.display.Image>
         

        Обратите внимание, что мы больше не используем регрессию по оси Y, использованную в (Paquola et al, 2019,
        Plos Biology), поэтому первый градиент становится передне-задним.
        градиент.

        Контекстуализация в состоянии покоя

        Наконец, BrainStat обеспечивает контекстуализацию с использованием фМРТ-маркеров в состоянии покоя:
        в частности, с функциональными сетями Yeo (Yeo et al., 2011, Journal of
        нейрофизиология), объединение связей в состоянии покоя и
        функциональные градиенты (Margulies et al., 2016, PNAS), низкоразмерный
        многообразие связности в состоянии покоя.

        В качестве примера давайте посмотрим на карту t-статистики в Yeo
        сети. Мы построим сети Yeo, а также гистограмму, показывающую среднее значение.
        и стандартная ошибка среднего в каждой сети.

         из brainstat.datasets import fetch_yeo_networks_metadata
        yeo_networks = fetch_parcellation ("fsaverage5", "yeo", 7)
        network_names, yeo_colormap = fetch_yeo_networks_metadata(7)
        plot_hemispheres(
            поверхности[0],
            поверхности[1],
            йео_сети,
            embed_nb = Верно,
            смап = "yeo7",
            нан_цвет = (0,7, 0,7, 0,7, 1),
            размер=(1400, 200),
            зум=1,45,
        )
         

        Выход:

         <объект IPython. core.display.Image>
         
         импортировать matplotlib.pyplot как plt
        из scipy.stats импортировать sem
        из brainstat.context.resting импортировать yeo_networks_associations
        yeo_tstat_mean = yeo_networks_associations(slm.t.flatten(), "fsaverage5")
        yeo_tstat_sem = yeo_networks_associations(
            slm.t.flatten(),
            "fsaverage5",
            reduce_operation=лямбда x, y: sem(x, nan_policy="опустить"),
        )
        пл.бар(
            np.arange(7),
            yeo_tstat_mean[:, 0],
            yeo_tstat_sem.flatten(),
            цвет = yeo_colormap,
            error_kw={"elinewidth": 5},
        )
        plt.xticks (np.arange (7), network_names, вращение = 90, размер шрифта=14)
        plt.yticks (размер шрифта = 14)
        plt.ylabel("t-статистика", fontdict={"fontsize": 16})
        plt.gcf().subplots_adjust(слева=0,2, снизу=0,5)
        plt.show()
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:327: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок. 
         

        Во всех сетях средняя t-статистика оказывается отрицательной, с
        самые отрицательные значения в дорсальной сети внимания и зрительной сети.

        Наконец, давайте построим функциональные градиенты и посмотрим на их корреляцию
        с нашей т-картой.

         из brainstat.datasets import fetch_gradients
        function_gradients = fetch_gradients ("fsaverage5", "margulies2016")
        plot_hemispheres(
            поверхности[0],
            поверхности[1],
            функциональные_градиенты[:, 0:3].T,
            color_bar = Верно,
            label_text=["Градиент 1", "Градиент 2", "Градиент 3"],
            embed_nb = Верно,
            размер=(1400, 600),
            зум=1,45,
            нан_цвет = (0,7, 0,7, 0,7, 1),
            cb__labelTextProperty={"Размер шрифта": 12},
        )
         

        Выход:

         <объект IPython.core.display.Image>
         
         df = pd.DataFrame({"x": slm.t.flatten(), "y": functions_gradients[:, 0]})
        df.dropna (на месте = Истина)
        plt.scatter (df.x, df.y, s = 0,01, c = "k")
        plt.xticks (размер шрифта = 14)
        plt.yticks (размер шрифта = 14)
        plt. xlabel("t-статистика", fontdict={"fontsize": 16})
        plt.ylabel("Функциональный градиент 1", fontdict={"fontsize": 16})
        plt.plot(np.unique(df.x), np.poly1d(np.polyfit(df.x, df.y, 1))(np.unique(df.x)), "k")
        plt.text(-4.0, 6, f"r={df.x.corr(df.y):.2f}", fontdict={"size": 14})
        plt.gcf().subplots_adjust(слева=0,2)
        plt.show()
         

        Отправлено:

         /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:366: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок.
         

        Кажется, что корреляции довольно низкие. Однако нам понадобится более сложный
        тесты для оценки статистической значимости. Есть много способов сравнить эти
        градиенты к корковым маркерам. В целом, мы рекомендуем использовать поправки на
        пространственная автокорреляция, реализованная в BrainSpace. Мы покажем
        коррекция с тестом на вращение в этом уроке; для других методов и далее
        подробности см. в учебных пособиях BrainSpace.

        В спин-тесте мы сравниваем эмпирическую корреляцию между градиентом и
        корковый маркер распределения корреляций, полученных из данных
        вращается по поверхности коры. В этом случае p-значение зависит от
        процентиль эмпирической корреляции в перестановочном распределении.

         из brainspace.null_models импортировать SpinPermutations
        сфера_левая, сфера_правая = fetch_template_surface(
            "fsaverage5", слой = "сфера", присоединиться = ложь
        )
        tstat = slm.t.flatten()
        tstat_left = tstat[: slm.t.size // 2]
        tstat_right = tstat[slm.t.size // 2:]
        # Запустить спин-тест с 1000 перестановок.
        n_реп = 1000
        sp = SpinPermutations (n_rep = n_rep, random_state = 2021)
        sp.fit (сфера_левая, точки_правая = сфера_правая)
        tstat_rotated = np.hstack (sp.randomize (tstat_left, tstat_right))
        # Вычислить корреляцию для эмпирических и пермутированных данных.
        маска = ~np.isnan(functional_gradients[:, 0]) & ~np.isnan(tstat)
        r_empiric = np.corrcoef (functional_gradients [маска, 0], tstat [маска]) [0, 1]
        r_permuted = np. zeros (n_rep)
        для я в диапазоне (n_rep):
            маска = ~np.isnan(functional_gradients[:, 0]) & ~np.isnan(tstat_rotated[i,:])
            r_permuted[i] = np.corrcoef(functional_gradients[маска, 0], tstat_rotated[i, маска])[
                1:, 0
            ]
        # Значимость зависит от того, проводим ли мы односторонний или двусторонний тест.
        # Если односторонний, это зависит от того, в каком направлении тест.
        p_value_right_tailed = np.mean (r_empiric > r_permuted)
        p_value_left_tailed = np.mean (r_empirical < r_permuted)
        p_value_two_tailed = np.minimum (p_value_right_tailed, p_value_left_tailed) * 2
        print(f"Двустороннее p-значение: {p_value_two_tailed}")
        # Постройте перестановочное распределение корреляций.
        plt.hist(r_permuted, bins=20, color="c", edgecolor="k", альфа=0,65)
        plt.axvline(r_empirical, color="k", linestyle="dashed", linewidth=1)
        plt.show()
         

        Выход:

         Двустороннее p-значение: 0,094
        /Users/saratheriver/Desktop/McGill_PhD/BrainStat/docs/python/tutorials/plot_tutorial_02_context.py:418: UserWarning:
        Matplotlib в настоящее время использует agg, который не является графическим интерфейсом, поэтому не может показать рисунок. 
         

        Как видно как из значения p, так и из гистограммы, где
        пунктирная линия обозначает эмпирическую корреляцию, эта корреляция не достигает
        значение.

        На этом уроки BrainStat заканчиваются. Если что-то непонятно или вы
        Если вы считаете, что нашли ошибку, опубликуйте ее на странице «Проблемы» нашего Github.

        Счастливого BrainStating!

        Общее время выполнения сценария: (3 минуты 17,339 секунды)

        Скачать исходный код Python: plot_tutorial_02_context.py

        Скачать jupyter.

        Что здесь произошло? Гистология костей как инструмент в расшифровке посмертных историй археологических костей из Кастрикума, Нидерланды

        • DOI: 10.1002/OA.1273
        • Идентификатор корпуса: 85766368
         @article{Hollund2011WhatHH,
          title={Что здесь произошло? Гистология кости как инструмент в расшифровке посмертных историй археологической кости из Кастрикума, Нидерланды},
          author={Хеге Инджерд Холлунд и M. M.E. Янс и Мэтью Джеймс Коллинз, Хенк Карс, Инеке Йоостен и Саския М. Карс},
          journal={Международный журнал остеоархеологии},
          год = {2011},
          объем = {22},
          страницы = {537-548}
        } 
        • Х. Холлунд, M.M.E. Jans, S. Kars
        • Опубликовано 1 сентября 2012 г.
        • География, наука об окружающей среде
        • International Journal of Osteoarchaeology

        Как правило, интерпретация неполных и деградировавших скелетных комплексов, обнаруженных во время археологических раскопок, является сложной задачей. Несколько событий после смерти животных и людей, до и во время захоронения, повлияют на ситуацию, наблюдаемую при раскопках. Эту посмертную последовательность событий можно назвать тафономической историей костей. Тафономические сигнатуры, обнаруженные с помощью гистологии, могут предоставить дополнительные данные об отложении/захоронении и эволюции среды захоронения. Это…

        Просмотр через Publisher

        66cb0e3c-a-5ae986d3-s-sites.googlegroups. com

        Мертв и похоронен? Вариации в посмертных историях, выявленные с помощью гистотафономической характеристики человеческих костей из мегалитических захоронений в Швеции полезность гистологического анализа костей для реконструкции посмертных историй, выявляющего вариации, неразличимые на макроуровне, которые могут помочь в интерпретации погребальных ритуалов, но результаты также выдвигают на первый план проблемы эквифинальности.

        Диагенез костей в археологических и современных человеческих останках: исследование трехмерной микроструктуры костей и минерало-химическая оценка

        • Валентина Карузо, Н. Маринони, А. Павезе
        • Науки об окружающей среде

          Археологические и антропологические науки

            42

          Основная трудность в изучении консервации кости состоит в том, чтобы определить, какие диагенетические параметры необходимо принимать во внимание, когда какая-либо информация об условиях окружающей среды отсутствует. Благодаря этому…

          Гистология костей, палеобиология и история раннего диагенеза вымерших непарнокопытных из Турции

          • Кармен Накарино-Менесес, А. Чинсами, Сердар Майда, Т. Кая, У. К. Эришмиш
          • География, экологические науки

            3 9002

          • 2021

          Резюме Гистология костей оказалась ценным инструментом для получения информации о палеобиологии и ранней тафономической истории ископаемых позвоночных. Однако до сих пор существует много вымерших таксонов…

          Гистология костей человеческих останков позднего голоцена Северо-Западной Патагонии, Аргентина: многомерный тафономический подход

          • R. C. Vazquez, M. Béguelin, Tamara Navarro, I. Cerda
          • География, наука об окружающей среде

            Археологические и антропологические науки

          • 2021

          В этом исследовании представлены первые результаты гистологии человеческих останков, извлеченных из археологических раскопок позднего голоцена в Северо-Западной Патагонии, Аргентина, из многомерного тафономического…

          Зубы стали лучше? Гистологическая характеристика диагенеза в археологических парах кость-зуб и обсуждение последствий для отбора и анализа археометрических образцов

          • H. Hollund, N. Arts, M.M.E. Jans, H. Kars
          • Науки об окружающей среде

          • 2015

          Исследование показало, что гистологический анализ кости полезен для выявления процессов деградации, влияющих на сохранение биомолекул в скелетном материале, и стратегии отбора образцов и анализа могут быть оптимизированы .

          Диагенез костей и его влияние на диагностику заболеваний: актуальность анализа микроструктуры костей для изучения человеческих останков прошлого

          • S. Assis, A. Keenleyside, A.L. Santos, Francisca Alves Cardoso
          • География

            Микроскопия и микроанализ

          • 2015

          Он показал, что общий осмотр не дает реалистичной оценки сохранности костной ткани, что может повлиять на характеристику имеющихся поражений и последующую диагностику заболевания, и исследователи должны продолжать рассматривать применение гистологических методов, если цель состоит в том, чтобы понять целостность ткани и ее связь с разложением или заболеванием.

          Посмертный интервал экспонирования набора человеческих костей железного века из Алькен-Энге, Дания

          • Лене Моллеруп, А. Тьелден, Эйвинд Герц, М. Холст
          • География, экологические науки

          • 0246 0216 по гистологии костей четвертичных млекопитающих из тропических пещерных отложений на юго-востоке Бразилии
            • Э. Майер, А. Хаббе, Дж. Бота-Бринк, А.М. Рибейро, П.М. Хаддад-Мартим, В. Невес
            • География, наука об окружающей среде

              Палеогеография, палеоклиматология, палеоэкология

            • 2020

            Контекстуализация мертвых – сочетание геоархеологии и остеоантропологии в новом комплексном подходе к гистотафонии костей

            Микроскопические наборы с низким увеличением Исследование тафономических изменений микроструктуры костей и его применение в погребальных контекстах

            • T. Booth
            • География, наука об окружающей среде

            • 2017

            ПОКАЗАНЫ 1-10 ИЗ 42 ССЫЛОК

            СОРТИРОВАТЬ ПОРелевантности Наиболее влиятельные документыНедавность

            Реконструкция тафономических историй с использованием гистологического анализа.

            • Г. Тернер-Уокер, M.M.E. Jans
            • География, наука об окружающей среде

            • 2008

            Ранний диагенез костей в умеренных условиях: Часть I: Особенности поверхности и гистология

            • Y. Fernández-Jalvo, P. Andrews, Antonio Alonso
            • Экология, география

            • 2010

            Микробная атака археологических костей в сравнении с высокими концентрациями тяжелых металлов в среде захоронения. Изучение костей животных из средневековой медной мастерской в ​​Париже

            • К. Мюллер, К. Шадефо, Н. Томас, И. Райх
            • Науки об окружающей среде, география

            • 2011

            археологические и ископаемые образцы

            • M. Schoeninger, K. Moore, M.L. Murray, J. Kingston
            • Environment Science, Geography

            • 1989

            Феномен разложения в тонких секциях выкопанных человеческих связей

            • g. -Werringloer
            • География

            • 1993

            Когда мягкие ткани трупа удалены, кость подвергается непосредственному воздействию окружающей среды. Хотя минерализованные ткани способны сохраняться в почве сотни и тысячи лет,…

            Измерения и отношения диагенетических изменений кости из трех археологических памятников

            • Р. Хеджес, А. Миллард, А. Пайк
            • Науки об окружающей среде, география

            • 1995

            9000 Четыре диагенетических параметра были выбраны для представления состояние диагенеза костей, захороненных на археологических памятниках. К ним относятся: гистологическая сохранность, содержание белка, кристалличность и…

            Гистология кости древнего человека: методы и диагностика: материалы «Семинара по палеогистологии», состоявшегося 3-5 октября 19 г.90 at Göttingen

            В этом томе представлен междисциплинарный подход к исследовательскому потенциалу гистологического исследования извлеченных костей с упором на световую микроскопию и более продвинутые методы, такие как гистоморфометрия и микрорентгенография.

            Скорость посмертных изменений человеческого скелета и их тафономическое значение.

            Субмикронная губчатая пористость является основным ультраструктурным изменением, происходящим в археологической кости

            • G. Turner-Walker, C. Nielsen-Marsh, U. Syversen, H. Kars, M. Collins
            • Науки об окружающей среде

            • 2002

            Общий объем пор и распределение пор по размерам являются показателями степени посмертной модификации кости. Прямые измерения распределения пор по размерам в археологических костях с использованием ртути…

            Два примера биогенного разложения мертвых костей и их последствия для тафономической интерпретации0000 Патология и лабораторная медицина - Medscape

            • Живые обновления COVID-19

            • оспа обезьян

            • Геномная медицина

            • микробиом

            • онкология

            • Кардиология

            • Инфекционное заболевание

            • Диабет и эндокринология

            • Посмотреть все

            Новости и перспективы Великобритании

            Посмотреть все

            Посмотреть все

            Избранные новости и перспективы патологии и лабораторной медицины

            • Мозговая устойчивость: когда боксеры уходят на пенсию, познание и память улучшаются

              Медицинские новости Medscape
              16 сентября 2022 г.

              У боксеров и бойцов смешанных единоборств может наблюдаться некоторое восстановление функции и структуры мозга после того, как они уйдут на пенсию и перестанут получать повторяющиеся удары по голове.

            • COVID-19 «конец не за горами», заявляет ВОЗ; Ослабление критериев для клинических испытаний рака; и «Тихий уход» или установление границ?

              3 вещи, которые нужно знать сегодня
              19 сентября 2022 г.

            • WPATH снимает возрастные ограничения с рекомендаций по лечению трансгендеров

              Медицинские новости Medscape
              16 сентября 2022 г.

            • Ультразвук точно определяет ответ на лечение при ЯК: исследование

              Новости
              19 сентября 2022 г.

              Один эксперт заметил «большой интерес» к этому менее инвазивному методу, но его опыт показал, что требуется время, чтобы научиться правильно его использовать.

            • Эксперты бьют тревогу в связи с вынесением решения об угрозе профилактическому лечению рака

              Новости
              19 сентября 2022 г.

            • Актуальное мнение в области урологии

              Молекулярная уропатология и генетика рака для уролога

              Журнальная статья
              19 сентября 2022 г.

            • Компьютерные модели могут стать следующим шагом в расшифровке мозга

              Новости
              16 сентября 2022 г.

            • Непрерывный мониторинг без манжеты может способствовать снижению АД

              Новости
              16 сентября 2022 г.

            • Является ли активное наблюдение лучшим для вашего пациента с раком простаты?

              16 сентября 2022 г.

            • Новости здоровья Кайзер

              Законы об абортах ставят под угрозу лечение рака у беременных

              Новости
              16 сентября 2022 г.

            • Раны

              Приложение для мобильной системы обработки ран

              Журнальная статья
              16 сентября 2022 г.

            Посмотреть все

            В тренде
            на Медскейп

              От Medscape Лекарства и болезни

              Посмотреть все

              • Общая викторина: ТВ-врачи

                Интерактивная викторина
                15 сентября 2022 г.

                Иногда удивительно меткие, но часто крайне неточные, телевизионные врачи придают профессии гламур. Проверьте свои знания о телевизионных врачах прошлого и настоящего с помощью этой небольшой викторины.

              • Тест Fast Five: Плоскоклеточный немелкоклеточный рак легкого

                Тест «Быстрая пятерка»
                15 сентября 2022 г.

              • Проверка навыков: мужчина с недиализной ХБП и анемией

                Проверка навыков
                9 сентября 2022 г.

              • Укусы скорпиона: от легких местных последствий до смерти

                Слайд-шоу
                6 сентября 2022 г.

              Посмотреть все

              МТВ

              Основы медицины

              НОВЫЙ! Отчет Medscape за 2022 г.
              Заработная плата врачей – 5 низкооплачиваемых специальностей

              Исследователь зарплат в Medscape
              Посмотрите, как ваша зарплата сравнивается по специальности, местоположению, опыту и т. д.

              Медицинский бизнес

              Посмотреть все

              • Палата представителей принимает закон о предварительном разрешении, путь Сената не ясен

                Медицинские новости Medscape
                19 сентября, 2022 г.

                Оценка счета в размере 16 миллиардов долларов, предназначенного для ускорения получения предварительных разрешений Medicare Advantage, может усложнить усилия по принятию этой меры. Но эта цифра представляет небольшое изменение в фактических расходах Medicare.

              • Рак и «занавес молчания»: RadOnc оглядывается назад

                Медицинские новости Medscape
                19 сентября 2022 г.

              • COVID-19 «конец не за горами», заявляет ВОЗ; Ослабление критериев для клинических испытаний рака; и «Тихий уход» или установление границ?

                3 вещи, которые нужно знать сегодня
                19 сентября 2022 г.

              • Арестован анестезиолог, причастный к смерти коллеги

                Медицинские новости Medscape
                16 сентября 2022 г.

              Посмотреть все

              Эрик Дж. Тополь, доктор медицины
              Главный редактор Medscape

              директор Института трансляционных наук Скриппса; Исполнительный вице-президент и профессор молекулярной медицины The Scripps
              Исследовательский институт; Старший консультант, Отделение сердечно-сосудистых заболеваний, Клиника Скриппса, Ла-Хойя, Калифорния; Главный редактор,
              Медскейп

              Редакционный директор сайта

              • Роберт Финн

              Медицинский посох

              нативные выноски

              НОВИНКА! Отчет врача 2022 г.

              5 лучших специальностей в медицинской школе

              Расшифровка митохондриальной гетерогенности в одиночных мышечных волокнах с помощью масс-цитометрии с визуализацией

              Введение

              Исследование и анализ мышц при старении и заболеваниях часто осложняются наличием как нормальных здоровых волокон, так и пораженных патологией в биопсии скелетных мышц. Это относится к атрофии, старению, дегенерации, регенерации, воспалительным процессам и некрозу среди других патологических изменений, не говоря уже о гетерогенности типов волокон 1,2 . Митохондриальная дисфункция представляет собой особенно гетерогенное патологическое изменение, которое возникает при саркопении, здоровом старении, первичном митохондриальном заболевании и других нервно-мышечных заболеваниях, таких как миозит с включениями 3 . Гистологический и иммуногистохимический подходы позволяют исследовать экспрессию и распределение белков на уровне отдельных клеток и субклеточных клеток и поэтому идеально подходят для наблюдения любой мозаичной картины пораженных и непораженных клеток. Однако часто требуется несколько серийных срезов для просмотра большого количества маркеров, что отнимает много времени, использует большое количество ценного биопсийного материала и требует сложного отслеживания волокон между серийными срезами.

              Ранее иммунофлюоресцентные анализы выявили вклад дефицита митохондриального окислительного фосфорилирования в старение и патологию заболеваний 4,5,6 , переключение типа волокон и старение при старении 7 , возможность автоматизированного анализа дистрофических изменений при мышечной дистрофии Дюшенна 8 , возможность корреляционного анализа агрегации белков 9 и возможность исследования воспалительных процессов 10 . Однако ограничением иммунофлуоресценции (IF) и традиционной иммуногистохимии (IHC) остается относительно небольшое количество белков-мишеней, которые можно исследовать на уровне одной клетки в одном срезе ткани из-за спектрального перекрытия флуорофоров. Кроме того, совместное использование вторичных антител на одном криосрезе возможно только в том случае, если виды и изотипы первичных антител различаются. Такие ограничения можно преодолеть путем последовательного окрашивания нескольких антител на одном срезе ткани, но это занимает много времени и приводит к постепенному ухудшению качества ткани 11 .

              Недавняя разработка лазерного модуля для лазерной абляции с высоким разрешением позволила использовать метод визуализации тканей с разрешением 1 мкм на пиксель для цитометрии с помощью времяпролетных масс-цитометров (CyTOF). В этом методе масс-цитометрии с визуализацией (IMC) используются изотопы редкоземельных металлов, конъюгированные с антителами, и поэтому он не ограничен спектральным перекрытием, связанным с флуорофором. Таким образом, IMC позволяет одновременно измерять большее количество белков-мишеней в одном срезе, чем это возможно с помощью стандартных иммунофлуоресцентных методов 12 .

              IMC также имеет важные преимущества по сравнению с крупномасштабными подходами omics. Протеомика успешно использовалась для изучения дефицита окислительного фосфорилирования в гомогенате скелетных мышц и отдельных клетках 13 , однако обилие цитоскелетных белков может отрицательно повлиять на результаты. Точно так же, хотя у транскриптомики есть значительный потенциал, для этого потребуется, чтобы образцы были собраны и заморожены быстро, что является сложной задачей в клинических условиях. Возможно, основным преимуществом IMC по сравнению с крупномасштабными omics подходами является то, что он позволяет субклеточное пространственное разрешение содержания белка. Это позволит нам изучить клеточное распределение белков, что может дать важную механистическую информацию 4 .

              Количественное определение белков на основе масс-спектрометрии с использованием лантаноидов является относительно новым подходом к наблюдению множественных маркеров в одиночных клетках в тканях. Ранее мы использовали флуоресцентную визуализацию с хорошим эффектом 6,14,15 , но нам нужно более полное представление об изменениях в клетках по мере того, как они постепенно подвергаются митохондриальной дисфункции. Протеомика одиночных клеток уже дала новое понимание, но этот подход не позволяет легко оценить гетерогенность состояния клеток в пораженной ткани, где хорошо известно, что существуют особенно высокие уровни межклеточных вариаций. Здесь мы стремились оценить этот новый подход и установить преимущества и ограничения в общем протоколе, прежде чем метод можно будет использовать для диагностики или скрининга наркотиков. Мы демонстрируем использование этого анализа на десяти пациентах с генетически подтвержденным митохондриальным заболеванием из-за патогенных вариантов либо в мтДНК, либо в яДНК, приводящих к ряду гетерогенных (мтДНК) или гомогенных (яДНК) дефицитов окислительного фосфорилирования. Кроме того, мы также разработали программное обеспечение для автоматической сегментации изображений с соответствующим конвейером анализа, которое можно применять для изучения других гетерогенных патологических изменений в скелетных мышцах.

              Результаты

              IMC можно использовать для оценки уровней белка и морфологии клеток в скелетных мышцах

              Мы оптимизировали IMC для использования в замороженных скелетных мышцах для определения уровней меченых металлами антител, нацеленных на представляющие интерес белки, в мультиплексном анализе в уровне одной клетки. Для этого мы нацелились на субъединицы митохондриального окислительного фосфорилирования у пациентов с митохондриальным заболеванием как на особенно гетерогенный патологический фенотип. В дополнение к этому, с помощью сегментации отдельных клеток мы можем извлечь некоторые важные морфологические измерения, такие как округлость, соотношение сторон, выпуклость и площадь поперечного сечения волокон, а также координаты центров волокон, которые можно использовать для анализа соседства.

              IMC дает результаты, сравнимые с IF, и является воспроизводимым

              Чтобы сравнить IMC с ранее утвержденным анализом IF 6 , мы провели IF и IMC на серийных срезах, чтобы установить, была ли эквивалентна количественная оценка изменений в экспрессии митохондриального белка между двумя методами. . При визуальном осмотре изображения, полученные обоими методами, показали схожие картины окрашивания и сходное внутриклеточное распределение всех исследуемых белков (рис. 1). Для полуколичественного анализа уровней белка с использованием IMC и IF на срезах от одних и тех же пациентов мы рассчитали соотношение каждой субъединицы окислительного фосфорилирования по отношению к VDAC1 (митохондриальный маркер массы) для каждого волокна от каждого пациента. Чтобы оценить взаимосвязь между двумя методами, мы затем измерили линейную корреляцию между этими двумя отношениями, используя коэффициент корреляции Пирсона (рассчитанный с использованием кор-функции в R). Мы обнаружили сильную корреляцию между логарифмически преобразованными данными IMC и данными IF (коэффициент корреляции Пирсона   =   0,85).

              Рисунок 1

              Образцы маркировки митохондриальных мишеней с использованием иммунофлуоресценции (IF) и масс-цитометрии с визуализацией (IMC). Интенсивность масштабируется для каждого отдельного канала, чтобы заполнить диапазон битовой глубины для отображения, а затем объединяется. ИФ ( А ) и ИМК ( В ) проводят на ткани скелетных мышц из Р04 с использованием антител, узнающих указанные маркеры, и наложением всех анализируемых каналов. Масштабная линейка 50 мкм. Разрешение захвата: 1 пиксель/мкм (IMC), 3,10 пикс/мкм (IF).

              Полноразмерное изображение

              Чтобы гарантировать воспроизводимость результатов IMC, были взяты срезы двух контролей (C01 и C03) и двух пациентов с вариантами мтДНК (P08 и P10, содержащие m. 10010T>C MT-TG и m.5543T >C MT-TW , которые вызывали наиболее широкий спектр дефицита окислительного фосфорилирования), окрашивали и визуализировали в трех отдельных случаях, один раз с одной партией конъюгаций антител и дважды с новой партией конъюгаций антител. Результаты были воспроизводимы между образцами, проанализированными одними и теми же реагентами в разные дни для двух серийных срезов мышц (коэффициент корреляции Пирсона   =   0,9).5). Каждый раз, когда новый флакон антитела конъюгируют с тяжелым металлом, выход и концентрация антитела могут отличаться от предыдущих или последующих конъюгаций того же самого антитела. Поэтому мы попытались оценить, насколько важно обеспечить использование одной и той же партии антител для сравнений. Когда мы сравнили эксперименты IMC, в которых мы использовали антитела из разных партий конъюгаций, мы обнаружили, что, несмотря на хорошую корреляцию, между двумя сериями была большая вариабельность (коэффициент корреляции Пирсона 0,87 между исходной серией и каждой повторностью соответственно). Эта изменчивость, вероятно, вызвана различиями в извлечении антител и в плотности мечения антител металлами.

              plotIMC позволяет взаимодействовать с данными IMC

              Поскольку IMC позволяет анализировать гораздо больше целей, чем IF 6 , и для того, чтобы иметь дело с возросшей сложностью и неоднородностью данных IMC, мы разработали новую, удобную в использовании, интерактивную сеть. -tool, который мы называем plotIMC (http://mito.ncl.ac.uk/warren_2019).

              При изучении экспрессии митохондриальных белков важно учитывать митохондриальную массу, как описано ранее 6 . Здесь plotIMC использует два связанных подхода для учета митохондриальной массы, поскольку каждый из них подчеркивает различные характеристики экспрессии и биохимического дефицита. Первый подход — это визуальный осмотр графиков 2Dmito (например, веб-рисунок p1). Графики 2Dmito представляют собой диаграммы рассеяния, сравнивающие среднеклеточные измерения IMC для каждой мишени антитела, наблюдаемой во время запуска IMC, с заменителем митохондриальной массы (VDAC1). Второй подход заключается в изучении угла (тета), который каждое волокно на графике 2Dmito образует с началом координат (0,0) и осью x (например, веб-рисунок p2). Тета представляет собой уровень экспрессии относительно митохондриальной массы. В обоих представлениях каждая точка представляет собой отдельное волокно — серые точки представляют собой волокна из контрольной группы, а точки пациента могут быть закодированы цветом в соответствии с экспрессией белков, выбранных в раскрывающемся меню «Окрашивание волокон по каналам». В дополнение к этому графику IMC можно легко использовать для просмотра средней интенсивности каждого целевого белка без поправки на маркер массы клеток или органелл, как мы используем здесь (веб-рисунок p3). Используя график IMC, мы можем извлечь ряд интересных результатов из этой когорты пациентов с митохондриальными заболеваниями, которые мы представляем в качестве примера возможных применений.

              Пространственная картина биохимического дефицита у некоторых митохондриальных пациентов

              У пациентов с мутациями в мтДНК существует значительная гетерогенность биохимического статуса мышечных волокон. Некоторую часть этой изменчивости можно отнести к пространственным эффектам, таким как происхождение клеток в результате развития ткани 16 или из-за горизонтального переноса мутантной мтДНК между соседними клетками, например 17,18 . Мы можем использовать митоцито для количественной оценки и визуализации пространственных эффектов в срезах скелетных мышц. У большинства этих пациентов наблюдается случайный пространственный паттерн, пример из P09.(вариант m.14709 T > C MT-TE ) представлен на рис. 2. Неоднородность экспрессии белка в образце пациента (рис. 2A) количественно определена на рис. 2B. Здесь биохимически нормальные волокна (52%, тета ~ 45°—70°) и биохимически дефектные (48%, тета < 40°) показаны цветом, а размер точек соответствует размеру волокна. Этот анализ может выявить другие интересные пространственные паттерны в будущих когортах пациентов.

              Рисунок 2

              Пространственное изменение биохимического дефицита в поперечном срезе биопсии скелетных мышц, взятом у пациента с вариантом тРНК m. 14709T>C MT-TE . ( A ) Одно из 9 необработанных псевдоизображений из IMC из P09 [точечная мутация в кодируемой митохондриями тРНК ( MT-TE )]. Уровни экспрессии дистрофина (ассоциированного с мембраной белка цитоскелета) показаны серым цветом, NDUFB8 - пурпурным. ( B ) Количественная оценка пространственного паттерна уровней экспрессии NDUFB8 (тета), наблюдаемая в ( А ). Непрерывный диапазон тета-значений, представленных цветом (оранжевые волокна недостаточны). ( C ) Представление биохимически дефицитных волокон (желтые) и их соседей (синие) после анализа данных из (A) (и данных VDAC1 и сравнения с контролями). Площадь волокна на обеих панелях представлена ​​кружком.

              Увеличить

              У пациентов с дефектами сборки комплекса I наблюдается компенсаторное увеличение комплексов II-V

              Пациенты 1 (P01) и 2 (P02) имеют патогенные варианты ядерно-кодируемых факторов сборки CI TMEM126B и ACAD9соответственно (дополнительная таблица S1). Ахмед и др. 15 ранее сообщалось, что 100% проанализированных волокон имели дефицит CI (на основе NDUFB8) как для P01, так и для P02. Как и ожидалось, мы наблюдали более низкие уровни белков CI NDUFB8 и NDUFA13 по сравнению с контролем в мышечных волокнах обоих пациентов, при этом 100% волокон как для P01, так и для P02 находились ниже 95% прогностического интервала для контроля (пример P01 на рис. 3A). ). Мы обнаружили сильную корреляцию между уровнями NDUFB8 и NDUFA13 (коэффициент корреляции Пирсона = 0,9).5 и 0,93 для P01 и P02 соответственно), обе субъединицы комплекса I.

              Рисунок 3

              Визуализирующая масс-цитометрия (IMC) является результатом P01 с кодируемым ядром патогенным вариантом комплекса I (CI) в TMEM126B . Одно измерение IMC одной клетки у пациента представлено цветной точкой на каждой панели. Контрольные наблюдения выделены серым цветом. Каждый график представляет собой антитело, наблюдаемое во время запуска IMC. ( A ) График 2Dmito представляет каждый маркер окислительного фосфорилирования в зависимости от VDAC1. Точки, представляющие волокна пациента, окрашены тета для NDUFB8 для этого волокна. Регрессия по контрольным данным показана сплошной серой линией, а 95% прогностический интервал для контрольных волокон находится между пунктирными серыми линиями. Над каждой панелью указано общее количество волокон выше и ниже пунктирных линий. ( B ) Тета-график показывает для каждого отдельного волокна угол, образованный между точкой и осью x на графиках 2Dmito. Тета количественно определяет экспрессию каждого маркера окислительного фосфорилирования в контексте митохондриальной массы (VDAC1). Точки, представляющие волокна пациента, окрашены для экспрессии (тета) NDUFB8; красные волокна имеют самую низкую экспрессию, а синие волокна - самую высокую экспрессию. Веб-рисунок: p1.

              Изображение полного размера

              В ответ на дефицит экспрессии белка CI мы обнаружили активацию белков CII, CIII, CIV и CV в мышечных волокнах как в P01, так и в P02; 98,5%, 97,9%, 84,9% и 99,1% волокон лежат выше 95% прогностического интервала для SDHA, UqCRC2, MTCO1 и OCSP соответственно для P01. 70,2%, 71%, 88,9% и 61,5% волокон лежат выше 95% прогностического интервала для SDHA, UqCRC2, MTCO1 и OCSP соответственно для P02. Однако, окрашивая точки данных для NDUFB8 (рис. 3B), мы можем продемонстрировать, что снижение активности в CI плохо коррелирует со степенью повышения активности в CII, III, IV и V.

              Об этом также свидетельствуют корреляционные матрицы и коэффициенты Пирсона для пациентов P01 и P02 (рис. 4). Оба пациента демонстрируют сильные коэффициенты корреляции для маркеров CI, CIII, CIV и CV и для двух маркеров CI, но слабые корреляции между маркерами CI NDUFA13 и NDUFB8 и маркерами CII, CIII, CIV и CV.

              Рисунок 4

              Визуализирующая масс-цитометрия (IMC) – результат P01 и P02 с кодируемым в ядре вариантом комплекса I (CI). Корреляционная матрица. Диаграммы рассеяния, демонстрирующие корреляцию (вверху справа) и коэффициенты корреляции Пирсона (внизу слева) между уровнями экспрессии (тета) каждой пары белков для всех волокон. ( A ) P01 с патогенными вариантами TMEM126B и ( B ) P02 с патогенными вариантами ACAD9 .

              Полноразмерное изображение

              Уровни белка окислительного фосфорилирования различаются между отдельными волокнами пациентов с патогенными вариантами мтДНК

              Одиночные крупномасштабные делеции мтДНК

              последовательность мтДНК, что приводит к потере многочисленных генов мт-мРНК и мт-тРНК (рис. 5A; дополнительная таблица S1).

              Рисунок 5

              Результаты IMC для одного пациента из каждой группы пациентов. ( A ) Расположение и размер делеции мтДНК у отдельных пациентов. P03 имеет делецию 4372 п.н., с точками разрыва: m.8929-13301, делеция удаляет часть ATP6, MTCO3, MT-TG, ND3, MT-TR, ND4L, ND4, MT-TH, MT-S2, MT -L2 и часть ND5 и имеет гомогенатную мутационную нагрузку 53%. P04 имеет делецию 7498 п.н., с точками разрыва: m.7130-14628, делеция удаляет часть MTCO1, MT-S1, MT-TD, MTCO2, MT-TK, ATP8, ATP6, MTCO3, MT-TG, ND3, MT-TR, ND4L, ND4, MT-TH, MT-S2, MT-LS, ND5 , ND6, MT-TE и часть CYTB с мутационной нагрузкой гомогената 28%. МтДНК кодируется цветом по типу генов: гены CI; зеленый, гены CIII; пурпурный, гены CIV; желтый, гены CV; синий — гены рРНК; гены red и тРНК (черные). Ленточные диаграммы, показывающие тета-значения для всех целей. Тета — это угол, который составляет точка с осью x и началом координат на графике 2Dmito. ( Б ) P04 с одной крупной мутацией мтДНК, ( C ) P07 с мутацией в m.3243A>G, ( D ) P08 с точечной мутацией в кодируемой митохондриями тРНК (m.10010T>C MT-TG ), ( E ) P09 с точковой мутацией в митохондриально-кодируемой тРНК (m.14709T>C MT-TE ) и ( F ) P10 с точковой мутацией в митохондриально-кодируемой тРНК (m.5543T>C MT-TW ). Одно измерение IMC одной клетки у пациента представлено цветной точкой на каждой панели. Контрольные наблюдения выделены серым цветом. Каждая пара полосок представляет собой антитело, наблюдаемое во время анализа IMC. Данные представлены с использованием представления plotIMC theta (VDAC1). Точки, представляющие волокна пациента, окрашены в соответствии с тета NDUFB8 для этого волокна.

              Полноразмерное изображение

              P03 имел небольшую долю дефектных волокон: только 4,6% волокон находились ниже 95% прогностического интервала для NDUFB8 и меньше волокон ниже 95% прогностического интервала для NDUFA13 (2,4%) и MTCO1 (2,7 %) (веб-рисунок стр. 4). Кроме того, мы также находим 0,8% и 1,5% волокон ниже прогностического интервала для UqCRC2 и OSCP соответственно.

              P04 (рис. 5B, веб-рисунок p5) имеет четкую субпопуляцию волокон с дефицитом как субъединиц CI, так и CIV: 28% и 5% волокон лежат ниже 95% прогностический интервал для субъединиц CI NDUFB8 и NDUFA13 соответственно и 7% и 6% для субъединиц CIV MTCO1 и COX4 + 4L2 соответственно, при этом подавляющее большинство CIV-дефицитных волокон также лишены экспрессии белка CI. Это согласуется с предыдущими данными IF, полученными в мышцах того же пациента 6 . Кроме того, мы находим 0,4% волокон ниже прогностического интервала для UqCRC2. Мы также наблюдали высокие уровни SDHA (тета > 80°) при наличии серьезных дефектов как в CI, так и в CIV (тета < 40°), но не повышали регуляцию CII при дефиците CIII или CV.

              m.3243A > G мт-тРНК

              Leu(UUR) (MT-TL1) вариант

              P05, P06 и P07 содержат вариант m.3243A>G MT-TL1 вариант мтДНК, который может влиять на экспрессию субъединицы CI и CIII-CV, учитывая эти компоненты окислительного фосфорилирования, все содержат митохондриально кодируемые белки. Данные P07 показаны в качестве примера на рис. 5C, а все данные представлены на веб-рисунках p6, p7 и p8. Мы наблюдали 29,8%, 23,1% и 70,1% волокон, лежащих ниже 95% прогностического интервала для NDUFB8 по сравнению с 14,3%, 90,5% и 19,8% волокон лежат ниже 95% прогностического интервала для MTCO1 в P05, P06 и P07 соответственно (веб-рисунки p9, p10 и p11), что согласуется с предыдущими исследованиями по оценке дефицита окислительного фосфорилирования в мышцах у пациентов с m.3243A>G варианты 6 . Мы продемонстрировали, что NDUFB8 более дефицитен, чем NDUFA13, при этом меньшая доля волокон находится ниже 95% прогностического интервала для NDUFA13 по сравнению с NDUFB8 у всех трех пациентов (веб-рисунки, стр. 9)., стр.10 и стр.11). Все волокна с низким уровнем экспрессии MTCO1 также демонстрировали низкие уровни NDUFB8. У этих пациентов мышечные волокна с наибольшим дефицитом КИ (тета < 40° для NDUFB8) продемонстрировали компенсаторное увеличение СДГК. Точно так же уровни SDHA выше, чем в контроле для волокон с дефицитом CIV, что предполагает компенсаторное изменение в ответ на дефицит. Активация UqCRC2 (43,8%, 55,4% и 66,7% для P05, P06 и P07) и OSCP (17,9%, 11,5% и 41,9% для P05, P06 и P07) также наблюдалась у всех пациентов m.3243A>G, хотя степень этого компенсаторного ответа плохо коррелировала с уровнем дефицита окислительного фосфорилирования. Частично это может быть связано с низкой долей волокон с дефицитом UqCRC2 у всех пациентов (4,0%, 3,4% и 0,3% в P05, P06 и P07 соответственно) и дефицитом волокон OSCP у двух из трех пациентов (1,0% и 2,4% в P05 и P06 соответственно). Те волокна, у которых тета больше, чем в контроле для UqCRC2 и OSCP, демонстрируют дефицит CI или CI и CIV.

              Мы обнаружили, что P05 и P06 имеют волокна с высоким уровнем экспрессии VDAC1, которые, вероятно, являются рваными красными волокнами (RRF; веб-рисунки p9 и p10), но эти волокна не имеют соответствующей повышающей регуляции SDHA по сравнению с VDAC1. Напротив, есть также подмножество волокон с нормальным уровнем VDAC1, который лежит выше 95% прогностического интервала для SDHA, что указывает на избыточную экспрессию CII.

              Другие патогенные варианты мт-тРНК

              P08, P09 и P10 содержат патогенные варианты митохондриальной тРНК; P08 a m.10010T>C 9Вариант 1150 MT-TG (рис. 5D, веб-рисунок на стр. 12), вариант P09 a m.14709T>C MT-TE (рис. 5E, веб-рисунок на стр. 13) и P10 a m.5543T>C MT-TW вариант (рис. 5F, веб-рисунок на стр. 14). Все три варианта, в принципе, могут влиять на экспрессию митохондриально-кодируемых субъединиц CI и CIII-CV, однако эффект, который они оказывают на каждый из этих комплексов, может различаться, и обнаруживаемое изменение будет зависеть от относительного положения во время сборки комплекса окислительного фосфорилирования. субъединиц, кодируемых мтДНК, и субъединиц, на которые нацелен анализ IMC. У всех трех пациентов была выявлена ​​доля мышечных волокон, недостаточная как в CI, так и в CIV. 89Было обнаружено, что 0,1%, 48,2% и 88,3% волокон лежат ниже 95% прогностического интервала для NDUFB8, а 89,3%, 35,1% и 85,9% волокон лежат ниже 95% прогностического интервала для MTCO1 в P08, P09 и P10. соответственно (веб-рисунки стр. 15, стр. 16 и стр. 17). В отличие от пациентов с другими патогенными вариантами мтДНК (одиночная, крупномасштабная делеция мтДНК и m.3243A>G MT-TL1 ), у этих пациентов доля волокон, дефицитных по CI, аналогична доле дефицитных по CIV. Кроме того, экспрессия белков NDUFB8 и NDUFA13 была одинаково затронута в мышечных волокнах P08–P10. Кроме того, мы также наблюдали сопутствующее увеличение как CII, так и CV в ответ на дефицит, с 890,5% и 58,1% волокон выше 95% прогностического интервала для SDHA для P08 и P10 соответственно и 90,75% волокон выше 95% прогностического интервала для OSCP в P08. Дефицит CIII (UqCRC2) присутствовал в большей доле волокон, чем у других обследованных здесь пациентов, с 55,8%, 30,1% и 59,9% волокон ниже 95% прогностического интервала для P08, P09 и P10). Кроме того, 21,6% волокон из P09 были ниже 95% прогностического интервала для OSCP.

              Пороги, при которых происходит окислительное фосфорилирование, различны для каждого комплекса

              Многомерные данные IMC потенциально могут быть очень полезными для исследования патогенных механизмов нервно-мышечных заболеваний. У всех пациентов с патогенными вариантами в генах мт-тРНК (P05–P10) мы обнаруживаем, что волокна расщеплены на две группы по маркерам КИ. В первой группе взаимосвязь между уровнями белка CI и уровнями белка VDAC1 напоминает пациентов контрольной группы (например, волокна пациентов, где линейная регрессия между NDUFB8 и VDAC имеет такой же градиент, как и у контрольной группы, как на рис. 6A), во второй группе сигнал напоминает пациентов с мутацией CI, кодируемой ядром (например, волокна пациента, лежащие вдоль оси x, с линией регрессии, которая имеет градиент, близкий к нулю, как на рис. 6A). Это качественное разделение на две популяции, очевидное в V-образном фенотипе, который мы впервые показываем на рис.  6, согласуется с предыдущими исследованиями, в которых пороговая нагрузка мутаций мтДНК должна быть достигнута, прежде чем в клетках появятся признаки биохимического дефицита. Rossignol и коллеги описали фенотипический пороговый эффект, при котором клиническая манифестация возникает только тогда, когда пропорция дикого типа и мутантной мтДНК смещается в пользу более высокой мутантной нагрузки 19 . Кроме того, ранее было продемонстрировано, что этот порог может различаться для разных комплексов в одиночной крупномасштабной мышце пациента с делецией мтДНК, где CIV демонстрирует более высокий порог, чем CI 14 . В поддержку этих выводов наши данные показывают, что доля волокон с дефицитом CIV оказывается меньше, чем доля волокон с дефицитом CI у отдельных пациентов с патогенными вариантами мтДНК. Кроме того, мы демонстрируем данные, согласующиеся с аналогичной пороговой последовательностью для CIII и CIV, где большинство CIII-дефицитных волокон также дефицитны для CIV. Учитывая, что эти клетки имеют одинаковую мутацию мтДНК и что более высокая мутационная нагрузка мтДНК связана с большей степенью дефицита окислительного фосфорилирования, это предполагает, что пороговая мутационная нагрузка мтДНК для дефицита CIII выше, чем для дефицита CIV, который, в свою очередь, выше. чем при дефиците CI. Чтобы оценить это, потребуются дальнейшие исследования перекрытия между CI-, CIII- и CIV-дефицитными волокнами в сочетании с генетическим анализом отдельных клеток.

              Рисунок 6

              Мышечные волокна у пациентов с вариантами тРНК, кодируемыми мтДНК, обычно делятся на две отдельные популяции по уровням NDUFB8. 2Dmito сравнивает мишени окислительного фосфорилирования с VDAC1. ( A ) P05 с мутацией в m.3243 A>G, ( B ) P06 с мутацией в m.3243A>G, ( C ) P07 с мутацией в m.3243A>G, ( D ) P08 с точковой мутацией в кодируемой митохондриями тРНК (m.10010T>C MT-TG ), ( E ) P09 с точковой мутацией в митохондриально-кодируемой тРНК (m. 14709T>C MT-TE ) и ( F ) P10 с точковой мутацией в митохондриально-кодируемой тРНК (m.5543T>C MT -TW ). Индивидуальное измерение IMC одной клетки у каждого пациента представлено цветной точкой на каждой панели. Контрольные наблюдения выделены серым цветом. Точки, представляющие волокна пациента, окрашены тета NDUFB8 для этого волокна. Регрессия по контрольным данным показана сплошной серой линией, а 95% прогностический интервал для контрольных волокон находится между пунктирными серыми линиями. Общее количество волокон выше и ниже контрольного прогностического интервала указано над каждой панелью.

              Изображение полного размера

              Обсуждение

              В этой работе мы стремились оценить применение IMC для оценки дисфункции митохондриального окислительного фосфорилирования в скелетных мышцах. IMC позволил нам одновременно анализировать уровни девяти белков в более чем восьми тысячах отдельных волокон скелетных мышц. Мы подтвердили применение IMC для изучения скелетных мышц, наблюдая сильную корреляцию с уровнями экспрессии белка, оцененными с помощью IF. Мы также создали новый удобный интерактивный веб-инструмент, который позволяет визуализировать и анализировать данные отдельных мышечных волокон и подходит для гетерогенных образцов биопсии.

              Эта работа прокладывает путь не только к систематическим одноклеточным наблюдениям дефицита окислительного фосфорилирования и реакции на дефицит в клинически значимой ткани, но и к другим патологически значимым изменениям белков и клеточной морфологии. Такой метод окажется решающим в определении клеточных изменений и механизмов заболеваний, связанных со старением мышц и нервно-мышечными заболеваниями. IMC также имеет потенциал в качестве метода скрининга с высокой пропускной способностью и может использоваться в диагностических целях, основными ограничениями являются время для мечения и оптимизации антител и доступность ICP-MS. Насколько это будет полезно для митохондриальных и других мышечных заболеваний, будет зависеть от успеха современных диагностических алгоритмов.

              Визуализация и интерпретация больших многомерных наборов данных, созданных IMC, была особенно сложной задачей. Было невозможно автоматически классифицировать пациентов с гетероплазматическими нарушениями мтДНК по данным IMC отдельных клеток с использованием стандартных многомерных статистических методов. Это, вероятно, было связано с неоднородностью клеток в биоптатах отдельных мышц, что также может быть проблемой для других гетерогенных патогенных признаков в скелетных мышцах. Поэтому мы разработали plotIMC, веб-инструмент, который облегчает интерактивную визуализацию и просмотр наборов данных IMC для одновременного изучения статуса белка окислительного фосфорилирования в любом подмножестве тысяч клеток. plotIMC разработан специально для выявления признаков, наиболее важных для митохондриального заболевания, таких как уменьшение или увеличение компонентов окислительного фосфорилирования по отношению к митохондриальной массе и общее увеличение митохондриальной массы, наблюдаемое в рваных красных волокнах с дефицитом окислительного фосфорилирования, в то время как быть достаточно общим, чтобы пользователь мог запросить эти данные.

              Важным соображением при разработке анализа IMC является выбор белков-мишеней с проверенными и специфическими антителами, наряду с клеточными маркерами для автоматизированной клеточной сегментации. Определяющим фактором при включении некоторых антител была их доступность для покупки в виде безбелкового раствора и совместимость протоколов мечения. В идеале оценка распределения типов волокон наряду с митохондриальными антителами была бы полезным и интересным направлением для изучения, однако антитела, типирующие волокна, не были совместимы с протоколом мечения антителами митохондриальных мишеней.

              Несмотря на то, что этот IMC-анализ окислительного фосфорилирования имеет применение в изучении митохондриальной дисфункции при старении и заболеваниях, мы решили протестировать наш подход на биопсиях мышц пациентов с митохондриальными заболеваниями. Мы смогли подтвердить ранее опубликованные результаты, демонстрирующие достоверность этого метода по сравнению с теми, которые использовались ранее.

              Протеомное исследование пациентов с единичной крупномасштабной делецией ранее сообщало о более низкой экспрессии ядерных и кодируемых мтДНК субъединиц комплекса I и комплекса IV в ЦОГ-дефицитных волокнах 13 , что аналогично нашему исследованию мышц пациентов с одиночными крупномасштабными делециями мтДНК. Кроме того, они наблюдали уменьшение количества кодируемых мтДНК субъединиц комплексов III и IV, но не изменений в субъединицах окислительного фосфорилирования, кодируемых ядром. Для сравнения, мы обнаружили небольшой процент мышечных волокон с более низкими уровнями субъединиц CIII и CV, кодируемых ядром, в одной крупномасштабной биопсии пациента с делецией мтДНК. Такое несоответствие может быть объяснено нашим исследованием отдельных мышечных волокон по сравнению с объединением ЦОГ-положительных и ЦОГ-дефицитных волокон Murgia et al. 13 . Хотя они и провели протеомный анализ отдельных клеток, выборка из трех клеток для каждой группы вряд ли точно представляет диапазон разнообразия окислительного фосфорилирования, который мы наблюдаем в наших экспериментах. Мы наблюдали одинаково низкие уровни дефицита CIII у двух из трех пациентов с вариантом m.3243A>G MT-TL1 и у пациентов с вариантами MT-TG , MT-TE и MT-TW . . Дефицит сердечно-сосудистой системы также был зарегистрирован у двух из трех пациентов с m.3243A>G 9.1150 MT-TL1 вариант и пациенты с вариантами MT-TE и MT-TW . Дефицит CIII и CV встречается в меньшем проценте волокон, чем CI и CIV, и обычно обнаруживается в волокнах с дефицитом CI и CIV. Роча и др. 14 . Мы ясно продемонстрировали, что увеличение комплексов окислительного фосфорилирования, на которые не влияет непосредственно митохондриальная или ядерная мутация, происходит в волокнах с дефицитом одного или нескольких комплексов окислительного фосфорилирования. Хотя предыдущие биохимические исследования сообщают об усилении CI, CIII, CIV и CV с другими изолированными недостатками 20,21 , здесь картина представлена ​​сотнями отдельных клеток на пациента. Самое интересное, что с помощью инструмента «окрашивание волокон по каналам» на графике IMC мы можем продемонстрировать, что у пациентов с патогенным вариантом m.3243A>G MT-TL1 наблюдается активация CII, которая обратно пропорциональна уровню CI. дефицит у 2 из 3 пациентов. Более того, этот эффект наблюдался не только в ответ на дефекты CI, но и в волокнах с комбинированным дефицитом белков CI и CIV задокументирован аналогичный паттерн активации белка CII.

              Самым большим преимуществом IMC по сравнению с предыдущими иммунофлуоресцентными методами является его способность одновременно исследовать большее количество маркеров в одном срезе ткани. Для анализа девяти белков, описанных в этой рукописи, с помощью иммунофлуоресценции потребовались бы серийные срезы тканей и перекрестное сопоставление серийных срезов, что трудно автоматизировать. Кроме того, известно, что дефицит окислительного фосфорилирования варьирует по длине мышечного волокна, что означает, что он может изменяться между последовательными участками 22,23,24 . Эксперименты, проведенные в этом исследовании, были сосредоточены на оценке поперечных мышечных сечений. Однако IMC можно также использовать для оценки продольных срезов мышечных волокон. Это было бы полезно для исследования недостаточности сегментарной дыхательной цепи, поскольку было невозможно исследовать все пять комплексов OXPHOS по длине мышечного волокна.

              Процедура окрашивания представляет собой простой протокол, адаптированный из общепризнанной четырехкратной иммунофлуоресцентной методики 6 , что позволяет исследователям легко перейти от иммунофлуоресценции к IMC. Однако конъюгация антител необходима и требует много времени: один человек может конъюгировать четыре антитела в день. Время сбора данных на срез больше, чем при обычной микроскопии, однако масс-цитометр с визуализацией может работать без ручного вмешательства, визуализируя массивы срезов на предметном стекле. Кроме того, поскольку IMC используется все шире, а панель антител становится больше, скорость, с которой данные могут генерироваться одновременно и на одном и том же срезе ткани, будет намного превышать время работы машины. Как и в случае с иммунофлуоресценцией, мы автоматизировали сегментацию изображений IMC, сделав эти два метода эквивалентными по времени, затрачиваемому на извлечение данных.

              Одной из потенциальных трудностей при изучении больших когорт является вариабельность выхода и концентрации антител между партиями конъюгаций. Если бы был необходим такой крупномасштабный эксперимент, можно было бы конъюгировать большую партию антител, чтобы покрыть весь эксперимент.

              В заключение мы оптимизировали и разработали анализ IMC для использования на криосрезах скелетных мышц, успешно проверив этот анализ по сравнению с признанным четырехкратным иммунофлуоресцентным анализом. Мы продемонстрировали пригодность IMC для анализа высокогетерогенных биоптатов мышц, полученных в результате старения и болезней, путем оценки дисфункции митохондриального окислительного фосфорилирования при генетически подтвержденном митохондриальном заболевании. Кроме того, мы продемонстрировали использование IMC для анализа соседства, который имеет потенциал для изучения различных нервно-мышечных патологий. Разработка и дальнейшее усовершенствование IMC откроет много возможностей для более глубокого анализа уровней белка, клеточных популяций и клеточной морфологии в отдельных клетках и субклеточных областях для изучения механизмов старения мышц и нервно-мышечной патологии.

              Методы

              Характеристики когорты

              Биоптаты скелетных мышц были получены от пациентов с клинически и генетически охарактеризованным митохондриальным заболеванием с патогенными вариантами мтДНК, которые, по прогнозам, вызывают генерализованный дефект синтеза митохондриального белка (одиночная крупномасштабная делеция мтДНК (n = 2) , m.3243A>G MT-TL1 (n = 3), m.10010T>C MT-TG (n = 1), m.14709T>C MT-TE (n = 1) и m. .5543T>C MT-TW (n = 1)) и патогенные варианты яДНК в факторах сборки комплекса I (CI) (n = 2). Этическое разрешение на использование тканей пациентов с митохондриальными заболеваниями было предоставлено Местным комитетом по этике исследований в Ньюкасле и Северном Тайнсайде (ссылка 16NE/0267). Контрольная ткань была получена с предварительного информированного согласия из дистальной части подколенного сухожилия пациентов, перенесших операцию на передней крестообразной связке, после одобрения Местным комитетом по этике исследований в Ньюкасле и Северном Тайнсайде (ссылка 12/NE/039).4). Эксперименты проводились в соответствии с соответствующими руководящими принципами и правилами. Информация, касающаяся клинических проявлений и вариантов, обнаруженных у пациентов, вместе со сводкой контрольных образцов мышц представлена ​​в дополнительной таблице S1.

              Антитела и дизайн панели

              Мы разработали панель, включающую антитела, нацеленные на комплексы I–V (CI–V), ассоциированный с мембраной цитоскелетный белок (дистрофин) и белок наружной митохондриальной мембраны [порин (VDAC1)]. Полный список антител, использованных в этом исследовании, можно найти в дополнительной таблице S2.

              Антитела к митохондриальным белкам прошли всестороннюю проверку и широко признаны сообществом исследователей митохондрий как высокоспецифичные антитела. Первоначально они были разработаны MitoSciences (в настоящее время поставляются Abcam), и производители показали, что они избирательно иммунозахватывают целевой белок/комплекс с помощью масс-спектрометрии. Любое неспецифическое мечение было бы обнаружено с помощью иммунозахвата и масс-спектрометрии. Антитела были тщательно проверены на нокаутных клеточных линиях и регулярно используются в митохондриальном исследовательском сообществе. Кроме того, реакция антитела в вестерн-блоттинге, иммуноцитохимии, а также IF хорошо коррелирует с генетической потерей белка, определенной спектрофотометрически и анализами активности 25,26 . Кроме того, мы сравнили антитела до и после конъюгации с иммунофлуоресценцией, чтобы показать, что процесс конъюгации не изменяет характер окрашивания или аффинность связывания.

              Антитела против дистрофина и ламинина имеют характерный рисунок окрашивания для распределения этих белков, который показан множественными антителами, выработанными против этих двух белков. Перед конъюгацией каждое антитело в панели ранжировали на основе значений интенсивности флуоресценции из IF на контрольной скелетной мышце, а затем связывали с соответствующим металлом для конъюгации, гарантируя, что мишени с высокой интенсивностью флуоресценции были конъюгированы с более слабым металлом, а мишени с низкой интенсивностью флуоресценции с более прочным металлом. Меченые металлом антитела конъюгировали с использованием протокола Fluidigm в соответствии с инструкциями производителя. Антитела получали в буфере, не содержащем носителя (BSA), и готовили с использованием наборов для конъюгации антител MaxPar (Fluidigm). На последнем этапе перед хранением при 4 °C добавляли раствор для стабилизации антител [стабилизатор антител (PBS), Candor Bioscience]. После конъюгации антитела инкубировали с гранулами для захвата антител (компенсационные гранулы AbC Total, Thermo Fisher) и тестировали на наличие соответствующего сигнала изотопа металла с помощью IMC в режиме суспензии (Helios). Чтобы проверить, что процесс мечения металлом не нарушил способность каждого антитела связываться с указанным антигеном, конъюгированные версии затем использовали для мечения контрольной ткани с последующей инкубацией с флуоресцентными вторичными антителами. Их сравнивали с предварительно конъюгированными антителами, чтобы подтвердить, что ранжированные уровни не изменились.

              Подготовка образцов для визуализации масс-цитометрии

              Криосрезы оптимальной толщины для IMC (6 мкм) вырезали из поперечно ориентированных криоблоков и хранили при -80 °C до тех пор, пока они не потребуются. Протокол, используемый для мечения антител, такой же, как сообщалось ранее 6 , за исключением модификаций, указанных ниже. Коктейль первичных антител был изменен и подробно описан в дополнительной таблице S3. Поскольку первичные антитела конъюгированы с тяжелыми металлами, это устраняет необходимость инкубации со вторичными антителами. Все антитела использовали в разведении 1:50. Поэтому после первичной инкубации с антителами срезы промывали три раза по пять минут перед инкубацией с интеркалятором Iridium (Ir) (Fluidigm), который метит ДНК с двойной массой 191/193 по времени пролета (TOF) и, таким образом, действует как ядерный маркер при конечной концентрации 0,313 мкМ в TBST в течение 30 минут при комнатной температуре. Наконец, срезы промывали в ddH 2 0 в течение 5 мин, затем высушивали на воздухе и помещали в мейлеры для предметных стекол, готовые к переносу на масс-цитометр с визуализацией.

              Масс-цитометрия с визуализацией

              В модуле визуализации тканей Hyperion используется технология времяпролетной масс-спектрометрии с индуктивно связанной плазмой (ИСП-МС) для измерения ионов из каждой клетки. IMC отличается от обычного MS из-за введения нового устройства лазерной абляции в масс-цитометр. Модуль визуализации гиперионной ткани был пространственно выровнен и соединен с масс-цитометром Helios перед настройкой прибора на частоту лазера 20 Гц с помощью стандартизированного слайда и протокола настройки (Fluidigm), целью которых является приведение сигналов в оптимальный диапазон. Масса разрешения и оптимальное выравнивание были проверены с использованием двойного счета лютеция 175, а также были проверены приемлемые перекрестные помехи сигнала при частоте лазера 200 Гц. Прибор дополнительно измеряет небольшое количество каналов для фона, однако из-за использования небиологических редкоземельных металлов фоновый сигнал минимален. Затем были созданы библиотеки слайдов с использованием изображений с низким разрешением, чтобы направлять эпифлуоресцентные панорамы с высоким разрешением вокруг выбранных областей ткани в соответствии с предыдущими данными IF. Размеры областей (области интереса, ROI) были установлены для абляции достаточного количества волокон для последующего анализа на основе средней плотности волокон  ~ 15 волокон на мм 2 из 10 независимых анализов. Перед аблацией оптимальная энергия абляции была определена эмпирически, чтобы гарантировать, что аблация происходит на всю глубину ткани. Все абляции выполнялись в соответствии с предварительно сгенерированным массовым шаблоном с частотой лазера 200 Гц. После успешной абляции файлы были экспортированы в исходный формат файлов «MCD», а затем экспортированы в виде однослойных файлов .TIFF (16 бит) с использованием программного обеспечения для просмотра MCD (Fluidigm).

              Подготовка проб для IF на серийных срезах

              Серийные криосрезы размером 6 мкм подвергали четырехкратной иммунофлуоресценции, как описано ранее 6 . Использовали пять различных комбинаций антител, чтобы можно было сравнить IMC и IF для всех антител, использованных в эксперименте IMC в серийных срезах. Комбинации антител, используемые на серийных срезах, подробно описаны в дополнительной таблице S4. Контрольные образцы без первичных антител, инкубированные только с антителами против ламинина с последующим полным коктейлем вторичных антител, обрабатывали для каждого образца мышц для учета фонового сигнала.

              Визуализация срезов, подготовленных для иммунофлуоресценции

              Мозаичные изображения были получены при увеличении 20 ×  с использованием Zeiss Axio Imager M1 с моторизованным столиком и программным обеспечением Zen 2011 (blue edition), с монохромной цифровой камерой (AxioCam MRm) и кубами фильтров для Alexa Fluor окрашивает при длинах волн 405, 488, 546 и 647 нм. Изображения, созданные с помощью IF, имеют разрешение 3,10 пикселей/мкм. Оптимальное время экспозиции было установлено для всех разделов и поддерживалось на протяжении всего времени. Затем плитки были сшиты и сохранены в виде файлов .zvi для дальнейшего анализа.

              Анализ иммунофлуоресценции

              Анализ IF проводился с использованием собственного программного обеспечения Quadruple Immuno Analyzer (v3.6), как описано ранее 15 , которое теперь доступно на https://github.com/CnrLwlss/quad_immuno . Программное обеспечение сегментирует мышечные волокна на основе маркировки мембран и извлекает среднюю интенсивность флуоресценции отдельных клеток, используемую для последующего расчета ряда статистических данных. Все срезы, в том числе непервичные контроли, визуализировали в одно и то же время экспозиции, а интенсивность флуоресценции не-первичного контроля количественно определяли для определения уровней неспецифического связывания вторичных антител. Хотя фон был низким, мы сделали поправку на него для каждого пациента во время количественного анализа уровней белка, как описано ранее 9.0009 6 .

              Анализ ИМК срезов тканей

              Псевдоизображения, созданные ИМК, имеют разрешение 1 пиксель на 1 мкм 2 , которое определяется размером лазерного пятна. Чтобы сегментировать и количественно оценить псевдоизображения IMC, мы разработали программное обеспечение для анализа изображений (mitocyto (v.0.0.19): https://github.com/CnrLwlss/mitocyto) и применили его к нашим данным IMC. Стеки изображений были сегментированы автоматически с использованием дистрофинового канала или, если это возможно, из рассчитанной карты градиента среднего значения всех каналов. Выявленные области, которые, как считается, соответствуют отдельным ячейкам, были отфильтрованы по размеру (areamin = 500 пикселей, areamax = 17 500 пикселей), округлости (circmin = 0,0, circmax = 100,0), соотношению сторон (ratiomin = 0,0, ratiomax = 10,0) и выпуклости (выпуклость min = 0,75, convexmax = 1,0), чтобы гарантировать, что морфология областей такова, что они, вероятно, представляют собой отдельные поперечные участки волокон. Сегментация дополнялась вручную там, где сигнал был слишком слабым для надежной идентификации клеточных мембран. После сегментации средняя интенсивность сигнала для каждого канала, общая площадь, координаты волокон и показатели морфологии сообщались в выходном текстовом файле для последующего анализа и визуализации.

              Визуализация и взаимодействие с данными IMC

              Мы обобщили данные анализа изображений и прикрепили метаданные к данным, используя язык статистического программирования R (v4.0.0). plotIMC — это веб-инструмент, разработанный нами для интерактивной визуализации многомерных данных IMC с использованием пакета R Shiny. Живой экземпляр plotIMC вместе с его документацией можно найти здесь: http://mito.ncl.ac.uk/warren_2019. Исходный код и необработанные данные для plotIMC (v0.0.1), относящиеся к этой рукописи, вместе с некоторыми инструкциями по установке и локальному запуску plotIMC можно найти здесь: https://github.com/CnrLwlss/Warren_2019.. Поскольку IMC производит мультиплексированные данные отдельных клеток, аналогичные данным, полученным с помощью обычных методов проточной цитометрии, мы решили проанализировать данные, используя стандартные многомерные статистические методы, и провели неконтролируемый глобальный кластерный анализ k-средних волокон из полного набора данных IMC (результаты не сообщаются). Мы обнаружили, что смесь нормальных и дефицитных волокон у большинства наших пациентов делала этот кластерный анализ очень трудным для интерпретации, и поэтому разработали альтернативный подход, основанный на интерактивном исследовании и анализе данных.

              Статистический анализ данных IMC

              Чтобы учесть влияние митохондриальной массы, мы подобрали модель линейной регрессии между значениями, наблюдаемыми для каждого целевого антитела и VDAC1 у всех контрольных пациентов, отметив 95% прогностический интервал вокруг этой регрессии. Подгонка регрессии и прогностический интервал были сгенерированы с использованием функции lm в R. Волокна классифицируются как находящиеся под значительным влиянием фоновой мутации пациента, если они лежат за пределами прогностического интервала для контрольных волокон. Этот подход используется в представлениях 2Dmito в plotIMC.

              Во многих случаях линейная модель не подходит для этих данных. В качестве альтернативы мы также классифицируем волокна как дефицитные по окислительному фосфорилированию, оценивая тета, угол, который каждое волокно образует с началом координат и осью x на 2D-митографике. Мы создали непараметрическую оценку плотности ядра для функции плотности вероятности (PDF) для тета на основе данных для контроля и пациента. Мы использовали PDF для оценки вероятности того, что тета-значение для каждого волокна пациента исходит от контрольной популяции и исходит от популяции пациентов. Если вероятность исхода из популяции больных выше, чем вероятность исхода из контрольной популяции (и лежит за пределами 9диапазон 5-го процентиля для контрольных волокон), это волокно было классифицировано как пораженное. Оценки плотности ядра PDF-файлов были сгенерированы с использованием функции плотности в R и с использованием procfun для интерполяции между результирующими оценками плотности. Этот подход был использован для классификации волокон как дефектных в представлении ленточной диаграммы в plotIMC.

              Чтобы рассчитать, будут ли дефектные волокна в значительной степени группироваться вместе, мы проверили чрезмерное представительство дефектных волокон в наборе волокон, которые являются соседями дефицитных волокон.

    Добавить комментарий

    Ваш адрес email не будет опубликован.