Getting more from cell size distributions: Establishing more accurate biovolumes by estimating viable cell populations
Notice bibliographique
Résumé
Current approaches for cell size distribution modeling are attempting to describe the behavior of the entire distribution with respect to time. Although some advances have been made in this area, the modeling process requires a large number of culture-specific parameters and an a priori assumption of the distribution nature (Poisson, Gaussian, etc.). In this work, we propose a deconvolution of the distribution into size ranges and an iterative regression process with respect to a single culture variable, such as viability. Following this approach, two example applications are outlined using data collected with a Coulter Counter Multisizer. In the first, traditional biovolume measurements are corrected to account for the noneven distribution of nonviable cells. These corrections amount to an average increase of 7-65% in the calculated biovolume from 24 to 72 h postinfection and are expected to aid in the development of a new basis for nutrient consumption postinfection. In the second example, viability is predicted from the cell size distribution using both linear and exponential regressions. Differences between predicted and measured viabilities were found to be normally distributed with means of 0.4% and 0% as well as standard deviations of 7.6% and 8.1% for linear and exponential regression, respectively. Although only viability relationships were tested, our approach yielded significant results for both applications, allowing the possibility for further development.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».