MétaCan
Menu
Retour à la cohorte
Enregistrement W1965152877 · doi:10.1109/memsys.2013.6474443

Rapid measurement of specific membrane capacitance and cytoplasm conductivity on single cells

2013· article· en· W1965152877 sur OpenAlexaff
Yi Zheng, Ehsan Shojaei-Baghini, Chen Wang, Yu Sun

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCytoplasmCapacitanceElectrical impedanceMembraneConductivityMaterials scienceMicrofluidicsElectrical resistivity and conductivityCellMembrane potentialCell membraneBiophysicsBiomedical engineeringOptoelectronicsNanotechnologyChemistryCell biologyElectrical engineeringElectrodeBiologyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

This paper presents a technique for the characterization of single-cell electrical properties (specific membrane capacitance and cytoplasm conductivity) at a speed of 5-10 cells per second (vs. minutes per cell using existing techniques). When a cell flows through a microfluidic constriction channel, electrical impedance at multiple frequencies is measured. Electrical and geometrical models were developed to interpret the impedance data and determine the specific membrane capacitance and cytoplasm conductivity of individual cells. Results from testing 3,249 AML-2 cells and 3,398 HL-60 cells reveal different electrical properties between these two cell types. The results also demonstrate that the quantification of specific membrane capacitance and cytoplasm conductivity can enhance cell classification results.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,034
Tête enseignante GPT0,166
Écart entre enseignants0,132 · 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 tête enseignante, 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207