MétaCan
Menu
Retour à la cohorte
Enregistrement W2062342554 · doi:10.1002/elps.200900447

Numerical studies of electrokinetic control of DNA concentration in a closed‐end microchannel

2010· article· en· W2062342554 sur OpenAlexaff
Yasaman Daghighi, Dongqing Li

Notice bibliographique

RevueElectrophoresis · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectrokinetic phenomenaMicrochannelMicrofluidicsElectrophoresisElectric fieldAnalytical Chemistry (journal)ChemistryElectro-osmosisFlow (mathematics)ElectrodeMechanicsMaterials scienceChromatographyNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

A major challenge in lab-on-a-chip devices is how to concentrate sample molecules from a dilute solution, which is critical to the effectiveness and the detection limit of on-chip bio-chemical reactions. A numerical study of sample concentration control by electrokinetic microfluidic means in a closed-end microchannel is presented in this paper. The present method provides a simple and efficient way of concentration control by using electrokinetic trapping of a charged species of interest, controlling liquid flow and separating different sample molecules in the microchannel. The electrokinetic-concentration process and the controlled transport of the sample molecules are numerically studied. In this system, in addition to the electroosmotic flow and the electrophoresis, the closed-end of the chamber causes velocity variation at both ends of the channel and induces a pressure gradient and the associated fluid movement in the channel. The combined effects determine the final concentration field of the sample molecules. The influences of a number of parameters such as the channel dimensions, electrode size and the applied electric field are investigated.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,005
Tête enseignante GPT0,216
Écart entre enseignants0,211 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectrophoresisMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207