MétaCan
Menu
Retour à la cohorte
Enregistrement W2059323604 · doi:10.1016/j.cryobiol.2014.05.009

Fluorescence as an alternative to light-scatter gating strategies to identify frozen–thawed cells with flow cytometry

2014· article· en· W2059323604 sur OpenAlexafffund
Anthony Reardon, Janet A.W. Elliott, Locksley E. McGann

Notice bibliographique

RevueCryobiology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFlow cytometryCytometryFluorescenceGatingBiophysicsOpticsBiologyPhysicsMolecular biology

Résumé

récupéré en direct d'OpenAlex

Flow cytometry is a key instrument in biological studies, used to identify and analyze cells in suspension. The identification of cells from debris is commonly based on light scatter properties as it has been shown that there is a relationship between forward scattered light and cell volume and this has become common practice in flow cytometry. Cryobiological conditions induce changes in cells that alter their light scatter properties. Cells with membrane damage from freeze-thaw stress produce lower forward scatter signals and may fall below standard forward scatter thresholds. In contrast to light scatter properties that cannot identify damaged cells from debris, fluorescent dyes used in membrane integrity and mitochondrial polarization assays are capable of labeling and discriminating all cells in suspension. Under cryobiological conditions, isolating cell populations is more effectively accomplished by gating on fluorescence rather than light scatter properties. This study shows the limitations of using forward scatter thresholds in flow cytometry to identify and gate cells after exposure to a freeze-thaw protocol and demonstrates the use of fluorescence as an alternative means of identifying and analyzing cells.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,243 · 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

Citations26
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCryobiologyMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207