MétaCan
Menu
Retour à la cohorte
Enregistrement W1988035143 · doi:10.1039/c1sm05120b

Hair cell inspired mechanotransduction with a gel-supported, artificial lipid membrane

2011· article· en· W1988035143 sur OpenAlexaff
Stephen A. Sarles, John D. W. Madden, Donald J. Leo

Notice bibliographique

RevueSoft Matter · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésHair cellMechanotransductionLipid bilayerTransduction (biophysics)BiophysicsMembraneBilayerMaterials scienceTransmembrane proteinCapacitanceChemistryNanotechnologyCell biologyBiologyElectrodeBiochemistryAnatomyCochleaReceptor

Résumé

récupéré en direct d'OpenAlex

A gel-supported lipid bilayer formed at the base of an artificial hair is used as the transduction element in an artificial, membrane-based hair cell sensor inspired by the structure and function of mammalian hair cells. This paper describes the initial fabrication and characterization of a bioderived, soft-material alternative to previous artificial hair cells that used the transduction properties of synthetic materials for flow and touch sensing. Under an applied air flow, the artificial hair structure vibrates, triggering a picoamp-level electrical current across the lipid bilayer. Experimental analysis of this mechanoelectrical transduction process supports the hypothesis that the current is produced by a time-varying change in the capacitance of the membrane caused by the vibration of the hair. Specifically, frequency analysis of both the motion of the hair and the measured current show that both phenomena occur at similar frequencies (0.1–1.0 kHz), which suggests that changes in capacitance occur as a result of membrane bending during excitation. In this paper, the bilayer-based hair cell sensor is experimentally characterized to understand the effects of transmembrane potential, the applied air flow, and the dimensions of the hair.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,014
Score d'incertitude au seuil0,998

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)0,0030,003

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 Opus0,045
Tête enseignante GPT0,227
Écart entre enseignants0,182 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations52
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetHearing, Cochlea, Tinnitus, GeneticsTravaux en français237 207