MétaCan
Menu
Retour à la cohorte
Enregistrement W1978425430 · doi:10.1039/b821044f

A novel permalloy based magnetic single cell micro array

2009· article· en· W1978425430 sur OpenAlexafffund
William Liu, Nikolai Dechev, Ian G. Foulds, Robert D. Burke, Ash M. Parameswaran, Edward J. Park

Notice bibliographique

RevueLab on a Chip · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensSimon Fraser UniversityUniversity of Victoria
Organismes subventionnairesSimon Fraser UniversityUniversity of Victoria
Mots-clésPermalloyJurkat cellsMaterials scienceCellBiological systemMagnetic fieldNanotechnologyOptoelectronicsChemistryPhysicsT cellBiologyMagnetization

Résumé

récupéré en direct d'OpenAlex

Devices capable of automatically aligning cells onto geometrical arrays are of great interest to biomedical researchers. Such devices can facilitate the study of numerous cells while the cells remain physically separated from one another. In this way, cell arrays reduce cell-to-cell interactions while the cells are all subjected to common stimuli, which allows individual cell behaviour to be revealed. The use of arrays allows for the parallel analysis of single cells, facilitates data logging, and opens the door to the use of automated machine-based single cell analysis techniques. A novel permalloy based magnetic single cell micro array (MSCMA) is presented in this paper. The MSCMA creates an array of magnetic traps by generating magnetic flux density peaks at predefined locations. When using cells labelled with immunomagnetic labels, the cells will interact with the magnetic fields, and can be captured at the magnetic trap sites. Prototypes of the MSCMA have been successfully fabricated and tested using both fixed and live Jurkat cells (10 microm average diameter) that were labelled. The prototypes performed as predicted during experimental trials. The experimental results show that the MSCMA can randomly array up to 136 single cells per square mm. The results also show that the number of single cells captured is a function of the trap site density of the MSCMA design and the cell density in the fluid sample.

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)0,000
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,012
Tête enseignante GPT0,182
Écart entre enseignants0,170 · 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

Citations64
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207