MétaCan
Menu
Retour à la cohorte
Enregistrement W2098624055 · doi:10.2144/00281rr03

Use of Flow Cytometry to Rapidly Optimize the Transfection of Animal Cells

2000· article· en· W2098624055 sur OpenAlexafffund
Michelle B.A. Keith, Paul J. Farrell, Kostas Iatrou, Leo A. Behie

Notice bibliographique

RevueBioTechniques · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueViral Infectious Diseases and Gene Expression in Insects
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMedical Research CouncilNatural Sciences and Engineering Research Council of CanadaMedical Research Council CanadaFondation pour la Recherche Médicale
Mots-clésTransfectionFlow cytometryGreen fluorescent proteinMolecular biologyPlasmidBiologyReporter geneCytometryCell cultureCell biologyDNAGene expressionGeneBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Plasmid transfection is the first step in the generation of stably transformed animal cells and is also a useful tool for analyzing transient gene expression. Maximizing the transfection efficiency and expression level from the introduced plasmid is critical to the success of these processes. By means of lipid-mediated transfection, a plasmid vector expressing the green fluorescence reporter protein has been coupled with flow cytometry to conveniently investigate those parameters that impact the efficacy of transfection of lepidopteran insect cells. The key feature of this technique is the rapid and simultaneous quantification of transfection efficiency and heterologous protein expression level per cell. Using this technique, we developed an optimized transfection protocol for insect cells by investigating the following parameters: lipid incubation time, lipid/DNA mixture incubation time, lipid and DNA concentration, incubation vessel and transfection duration. Following optimization, transfection efficiencies of 37%-40% were obtained for Bombyx mori Bm5 and Spodoptera frugiperda Sf-21 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)0,005
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,016
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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

Citations34
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioTechniquesMême sujetViral Infectious Diseases and Gene Expression in InsectsTravaux en français237 207