MétaCan
Menu
Retour à la cohorte
Enregistrement W1997093606 · doi:10.1121/1.4805347

Removal of living cells from biosensing surfaces in droplet-based microfluidics using surface acoustic waves

2013· article· en· W1997093606 sur OpenAlexaff
Adrien Bussonnière, Alan Renaudin, Yannick Miron, Michel Grandbois, Michaël Baudoin, Paul G. Charette

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésBiosensorMicrofluidicsTrypsinMaterials scienceSurface acoustic waveCleaveNanotechnologySubstrate (aquarium)Surface modificationChemistryOpticsEnzymeBiochemistry

Résumé

récupéré en direct d'OpenAlex

Removal of living biological cells from surfaces is a critical process for many applications in the area of biosensing and lab-on-a-chip. Trypsin is one of the most effective biochemical tools used to cleave the cells proteins that are responsible for bonding cells to surfaces [K. A. Walsh, Meth. Enzymol. 19, 41 (1970)]. We propose a method using Rayleigh-type (20 MHz) surface acoustic wave (SAW)-based mixing [Renaudin et al., Lab Chip 10, 111 (2010)] as an accelerator for trypsin-mediated removal of living cells from surfaces. In the experiments, a 10 μL droplet of Hank’s Balanced Salt Solution (HBSS)-trypsin is placed on a piezoelectric substrate covered with human embryonic kidney cells (HEK293). Using phase contrast microscopy, cells removal time for different acoustic power levels and trypsin concentrations is measured. Results from validation experiments show that a minimum of 180 s is necessary to completely release surface-bonded cells covered by the 10 µL droplet without the use of SAW (negative control). By using microstreaming flow in the droplets generated by the SAW, cells are released from the surface in less than 8 s. This work will contribute to improved lab-on-a-chip devices based on living cell biosensing.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,448
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207