MétaCan
Menu
Retour à la cohorte
Enregistrement W2056544905 · doi:10.3791/50226

Microfluidic-based Electrotaxis for On-demand Quantitative Analysis of <em>Caenorhabditis elegans</em>' Locomotion

2013· article· en· W2056544905 sur OpenAlexafffund
Justin Tong, Pouya Rezai, Sangeena Salam, P. Ravi Selvaganapathy, Bhagwati P. Gupta

Notice bibliographique

RevueJournal of Visualized Experiments · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCaenorhabditis elegansNeurodegenerationModel organismBiologyNeuroscienceDopaminergicNeuroprotectionGeneDiseaseGeneticsMedicinePathology

Résumé

récupéré en direct d'OpenAlex

The nematode Caenorhabditis elegans is a versatile model organism for biomedical research because of its conservation of disease-related genes and pathways as well as its ease of cultivation. Several C. elegans disease models have been reported, including neurodegenerative disorders such as Parkinson's disease (PD), which involves the degeneration of dopaminergic (DA) neurons (1). Both transgenes and neurotoxic chemicals have been used to induce DA neurodegeneration and consequent movement defects in worms, allowing for investigations into the basis of neurodegeneration and screens for neuroprotective genes and compounds (2,3). Screens in lower eukaryotes like C. elegans provide an efficient and economical means to identify compounds and genes affecting neuronal signaling. Conventional screens are typically performed manually and scored by visual inspection; consequently, they are time-consuming and prone to human errors. Additionally, most focus on cellular level analysis while ignoring locomotion, which is an especially important parameter for movement disorders. We have developed a novel microfluidic screening system (Figure 1) that controls and quantifies C. elegans' locomotion using electric field stimuli inside microchannels. We have shown that a Direct Current (DC) field can robustly induce on-demand locomotion towards the cathode ("electrotaxis") (4). Reversing the field's polarity causes the worm to quickly reverse its direction as well. We have also shown that defects in dopaminergic and other sensory neurons alter the swimming response (5). Therefore, abnormalities in neuronal signaling can be determined using locomotion as a read-out. The movement response can be accurately quantified using a range of parameters such as swimming speed, body bending frequency and reversal time. Our work has revealed that the electrotactic response varies with age. Specifically, young adults respond to a lower range of electric fields and move faster compared to larvae (4). These findings led us to design a new microfluidic device to passively sort worms by age and phenotype (6). We have also tested the response of worms to pulsed DC and Alternating Current (AC) electric fields. Pulsed DC fields of various duty cycles effectively generated electrotaxis in both C. elegans and its cousin C. briggsae (7). In another experiment, symmetrical AC fields with frequencies ranging from 1 Hz to 3 KHz immobilized worms inside the channel (8). Implementation of the electric field in a microfluidic environment enables rapid and automated execution of the electrotaxis assay. This approach promises to facilitate high-throughput genetic and chemical screens for factors affecting neuronal function and viability.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
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 enseignants0,108
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,347
Écart entre enseignants0,329 · 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.

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

Citations19
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207