MétaCan
Menu
Retour à la cohorte
Enregistrement W1649653916 · doi:10.1109/pn.2015.7292461

Evaluation of optical properties and biocompatibility of polymer materials for microfluidic applications

2015· article· en· W1649653916 sur OpenAlexaff
Michael J. Fanous, Jayan Ozhikandathil, Simona Bǎdilescu, Muthukumaran Packirisamy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBiocompatibilityMaterials sciencePolydimethylsiloxaneMicrofluidicsPolymerNanotechnologyBiomaterialPolystyreneBiosensorCopolymerBiomedical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Microfluidic technologies have become increasingly effective for diagnostic, physiological, and biochemical applications. The biocompatibility of MEMS devices, which are evolving rapidly in their practicality, has become the paramount property to investigate and optimize through biological and optical testing. Potential applications comprise cell culture, biosensing, immunoisolation, bioparticle sorting, and biomaterial synthesis. In this work we undertake the study of various polymer and nanocomposite materials, such as cyclic olefin copolymer (COC), polymethylmethacrylate (PMMA), polydimethylsiloxane (PDMS), SU-8, polycarbonate (PC) and polystyrene (PS). After the polymer is adequately functionalized, tagged antibodies are attached to the polymer films and, then, the corresponding antigens are brought in contact with the antibodies. The work is novel and complements the contemporary research involving other methods to evaluate the biocompatibility, such as for example, cell culture. The affinity of antibodies toward the polymer is evaluated by the amount of attached antibodies measured by fluorescence spectroscopy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,261
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207