Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Flow Cytometry01:23

Flow Cytometry

15.6K
The development of flow cytometry techniques began in 1934 with initial attempts by Andrew Moldavan, a bacteriologist who counted the cells in a flowing capillary system. Moldavan pumped cells through a capillary tube focused under a microscope for visualization. The invention of photometry allowed the measurement of differentially-stained cells, and Louis Kamentsky developed the first multiparameter flow cytometer in 1965 to identify and count the cancer cells in cervical tissue specimens.
In...
15.6K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Detective quantum efficiency of the Timepix4 hybrid pixel detector and its application to parallel-beam diffraction.

Ultramicroscopy·2026
Same author

PLLA and PDLLA Fillers: Linking Crystallinity and Mechanical Stability to Aggregation, Redispersion, and Collagen Formation.

In vivo (Athens, Greece)·2026
Same author

Automated Extraction of Cancer Registry Data from Pathology Reports: Comparing LLM-Based and Ontology-Driven NLP Platforms.

medRxiv : the preprint server for health sciences·2026
Same author

Poly-lactic Acid Dermal Filler Enriched With InCube<sup>®</sup>-encapsulated Vitamin C and Glutathione: Preclinical Evidence of Superior Collagen Induction and Tissue Response Compared With Conventional PLA.

In vivo (Athens, Greece)·2026
Same author

Cellular and Molecular Mechanisms of Wound Repair: From Biology to Therapeutic Innovation.

Cells·2025
Same author

Context-dependent MAN1A1 protein expression in metastatic breast cancer progression predicts patient survival.

BMC cancer·2025
Same journal

Turbulent flow in a vortex separator with a directed pipe inlet.

Scientific reports·2026
Same journal

Systematic characteristic evaluation of clay-based cementitious material derived from calcium carbide residue and waste tile powder.

Scientific reports·2026
Same journal

Retraction Note: Improvement of a rapid diagnostic application of monoclonal antibodies against avian influenza H7 subtype virus using Europium nanoparticles.

Scientific reports·2026
Same journal

Applying large language models to spam detection in the Kazakh low-resource language setting.

Scientific reports·2026
Same journal

An open-source 3D printing system enabling in-situ freeze-thaw processing of hydrogels.

Scientific reports·2026
Same journal

An enhanced EfficientNet framework for automated waste classification using cosine annealing and label smoothing.

Scientific reports·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jan 14, 2026

Discrimination of Seven Immune Cell Subsets by Two-fluorochrome Flow Cytometry
10:58

Discrimination of Seven Immune Cell Subsets by Two-fluorochrome Flow Cytometry

Published on: March 5, 2019

14.5K

Aplicación y caracterización del marco de aprendizaje de instancias múltiples en citometría de flujo

Zhiyuan Ding1, Alexander Baras2

  • 1Department of Health Sciences Informatics, Johns Hopkins University School of Medicine, Baltimore, Maryland, United States of America. zding20@jhmi.edu.

Scientific reports
|January 12, 2026
PubMed
Resumen
Este resumen es generado por máquina.

El análisis automatizado de citometría de flujo utilizando aprendizaje de instancias múltiples ofrece una alternativa interpretable al gating manual. Este enfoque mejora la identificación de subconjuntos de células para diversas aplicaciones biomédicas, mejorando la medicina de precisión.

Palabras clave:
aprendizaje de instancias múltiplescitometría de flujogating manualmedicina de precisióninmunologíabiología computacionalciencia de datos biomédicos

Más Videos Relacionados

Simultaneous Assessment of Kinship, Division Number, and Phenotype via Flow Cytometry for Hematopoietic Stem and Progenitor Cells
10:20

Simultaneous Assessment of Kinship, Division Number, and Phenotype via Flow Cytometry for Hematopoietic Stem and Progenitor Cells

Published on: March 24, 2023

2.1K
Flow Cytometric Characterization of Murine B Cell Development
08:25

Flow Cytometric Characterization of Murine B Cell Development

Published on: January 22, 2021

18.3K

Videos de Experimentos Relacionados

Last Updated: Jan 14, 2026

Discrimination of Seven Immune Cell Subsets by Two-fluorochrome Flow Cytometry
10:58

Discrimination of Seven Immune Cell Subsets by Two-fluorochrome Flow Cytometry

Published on: March 5, 2019

14.5K
Simultaneous Assessment of Kinship, Division Number, and Phenotype via Flow Cytometry for Hematopoietic Stem and Progenitor Cells
10:20

Simultaneous Assessment of Kinship, Division Number, and Phenotype via Flow Cytometry for Hematopoietic Stem and Progenitor Cells

Published on: March 24, 2023

2.1K
Flow Cytometric Characterization of Murine B Cell Development
08:25

Flow Cytometric Characterization of Murine B Cell Development

Published on: January 22, 2021

18.3K

Área de la Ciencia:

  • Inmunología
  • Biología Computacional
  • Ciencia de Datos Biomédicos

Sus antecedentes:

  • La citometría de flujo permite el perfilado de células individuales, pero depende del gating manual, que requiere mucha mano de obra y es propenso a sesgos.
  • El gating manual implica la selección secuencial de biomarcadores para aislar poblaciones de células, lo que limita el rendimiento y la reproducibilidad.

Objetivo del estudio:

  • Introducir y evaluar marcos de aprendizaje de instancias múltiples para el análisis automatizado de datos de citometría de flujo.
  • Proporcionar una alternativa interpretable y basada en datos al gating manual para identificar fenotipos celulares.

Principales métodos:

  • Aplicación de marcos de aprendizaje de instancias múltiples a conjuntos de datos de citometría de flujo.
  • Examen del impacto de la arquitectura de la red en el rendimiento predictivo y la detección de células raras.
  • Utilización de mecanismos de atención para la identificación directa de subconjuntos de células asociados con fenotipos.

Principales resultados:

  • Los modelos de aprendizaje de instancias múltiples demostraron un fuerte rendimiento en diversas aplicaciones biomédicas.
  • Aplicación exitosa en la subtipificación de cáncer, estratificación de VIH, predicción de MRD de LMA y evaluación de la gravedad de COVID-19.
  • Los mecanismos de atención permitieron la identificación interpretable de subconjuntos de células clínicamente significativos.

Conclusiones:

  • El aprendizaje de instancias múltiples presenta un marco escalable e interpretable para el análisis automatizado de citometría de flujo.
  • Este enfoque tiene un amplio potencial en medicina de precisión e inmunología traslacional.
  • El análisis automatizado supera las limitaciones del gating manual, mejorando la eficiencia y reduciendo el sesgo.