MétaCan
Menu
Retour à la cohorte
Enregistrement W2012416957 · doi:10.1039/c1lc20473d

Classification of cell types using a microfluidic device for mechanical and electrical measurement on single cells

2011· article· en· W2012416957 sur OpenAlexaff
Jian Chen, Yi Zheng, Qingyuan Tan, Ehsan Shojaei-Baghini, Yan Liang Zhang, Jason Li, Preethy Prasad, Lidan You, Xiao Yu Wu, Yu Sun

Notice bibliographique

RevueLab on a Chip · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsNanotechnologyMaterials scienceBiomedical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a microfluidic system for cell type classification using mechanical and electrical measurements on single cells. Cells are aspirated continuously through a constriction channel with cell elongations and impedance profiles measured simultaneously. The cell transit time through the constriction channel and the impedance amplitude ratio are quantified as cell's mechanical and electrical property indicators. The microfluidic device and measurement system were used to characterize osteoblasts (n=206) and osteocytes (n=217), revealing that osteoblasts, compared with osteocytes, have a larger cell elongation length (64.51 ± 14.98 μm vs. 39.78 ± 7.16 μm), a longer transit time (1.84 ± 1.48 s vs. 0.94 ± 1.07 s), and a higher impedance amplitude ratio (1.198 ± 0.071 vs. 1.099 ± 0.038). Pattern recognition using the neural network was applied to cell type classification, resulting in classification success rates of 69.8% (transit time alone), 85.3% (impedance amplitude ratio alone), and 93.7% (both transit time and impedance amplitude ratio as input to neural network) for osteoblasts and osteocytes. The system was also applied to test EMT6 (n=747) and EMT6/AR1.0 cells (n=770, EMT6 treated by doxorubicin) that have a comparable size distribution (cell elongation length: 51.47 ± 11.33 μm vs. 50.09 ± 9.70 μm). The effects of cell size on transit time and impedance amplitude ratio were investigated. Cell classification success rates were 51.3% (cell elongation alone), 57.5% (transit time alone), 59.6% (impedance amplitude ratio alone), and 70.2% (both transit time and impedance amplitude ratio). These preliminary results suggest that biomechanical and bioelectrical parameters, when used in combination, could provide a higher cell classification success rate than using electrical or mechanical parameter alone.

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)0,001
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,088
Tête enseignante GPT0,228
Écart entre enseignants0,140 · 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

Citations193
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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