Armenian
Albanian
Arabic
Armenian
Azerbaijani
Belarusian
Bengali
Bosnian
Catalan
Czech
Danish
Deutsch
Dutch
English
Estonian
Finnish
Français
Greek
Haitian Creole
Hebrew
Hindi
Hungarian
Icelandic
Indonesian
Irish
Italian
Japanese
Korean
Latvian
Lithuanian
Macedonian
Mongolian
Norwegian
Persian
Polish
Portuguese
Romanian
Russian
Serbian
Slovak
Slovenian
Spanish
Swahili
Swedish
Turkish
Ukrainian
Vietnamese
Български
中文(简体)
中文(繁體)
Neuromuscular Disorders 2017-May

Establishing a reference dataset for the authentication of spinal muscular atrophy cell lines using STR profiling and digital PCR.

Միայն գրանցված օգտվողները կարող են հոդվածներ թարգմանել
Մուտք / Գրանցվել
Հղումը պահվում է clipboard- ում
Deborah L Stabley
Jennifer Holbrook
Ashlee W Harris
Kathryn J Swoboda
Thomas O Crawford
Katia Sol-Church
Matthew E R Butchbach

Հիմնաբառեր

Վերացական

Fibroblasts and lymphoblastoid cell lines (LCLs) derived from individuals with spinal muscular atrophy (SMA) have been and continue to be essential for translational SMA research. Authentication of cell lines helps ensure reproducibility and rigor in biomedical research. This quality control measure identifies mislabeling or cross-contamination of cell lines and prevents misinterpretation of data. Unfortunately, authentication of SMA cell lines used in various studies has not been possible because of a lack of a reference. In this study, we provide said reference so that SMA cell lines can be subsequently authenticated. We use short tandem repeat (STR) profiling and digital PCR (dPCR), which quantifies SMN1 and SMN2 copy numbers, to generate molecular identity codes for fibroblasts and LCLs that are commonly used in SMA research. Using these molecular identity codes, we clarify the familial relationships within a set of fibroblasts commonly used in SMA research. This study presents the first cell line reference set for the SMA research community and demonstrates its usefulness for re-identification and authentication of lines commonly used as in vitro models for future studies.

Միացեք մեր
ֆեյսբուքյան էջին

Բժշկական դեղաբույսերի ամենալավ տվյալների շտեմարանը, որին աջակցում է գիտությունը

  • Աշխատում է 55 լեզուներով
  • Բուսական բուժում, որին աջակցում է գիտությունը
  • Խոտաբույսերի ճանաչում պատկերով
  • Ինտերակտիվ GPS քարտեզ - նշեք խոտաբույսերը գտնվելու վայրի վրա (շուտով)
  • Կարդացեք ձեր որոնմանը վերաբերող գիտական հրապարակումները
  • Որոնեք բուժիչ դեղաբույսերը ՝ դրանց ազդեցությամբ
  • Կազմակերպեք ձեր հետաքրքրությունները և մշտապես տեղեկացեք նորությունների հետազոտությունների, կլինիկական փորձարկումների և արտոնագրերի մասին

Մուտքագրեք ախտանիշ կամ հիվանդություն և կարդացեք խոտաբույսերի մասին, որոնք կարող են օգնել, տպեք խոտ և տեսեք այն հիվանդություններն ու ախտանիշները, որոնց դեմ օգտագործվում են:
* Ամբողջ տեղեկատվությունը հիմնված է հրապարակված գիտական հետազոտության վրա

Google Play badgeApp Store badge