MétaCan
Menu
Retour à la cohorte
Enregistrement W2113822373 · doi:10.1039/b009254l

Blood platelet adhesion to protein studied by on-line acoustic wave sensor

2001· article· en· W2113822373 sur OpenAlexafffund
Biljana A. Čavić, Zeynep Morel, David C. Stone, Michael Thompson, John Freedman, Meera Mody, Margaret L. Rand

Notice bibliographique

RevueThe Analyst · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Resonator Technologies
Établissements canadiensHospital for Sick ChildrenSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPlateletAdhesionChemistryCoatingAlbuminElectrodeBovine serum albuminScanning electron microscopeBiophysicsMaterials scienceBiomedical engineeringAnalytical Chemistry (journal)Composite materialChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

The attachment of blood platelets to the surface of bare and protein-coated thickness-shear mode acoustic wave devices operating in a flow-through configuration has been studied. Platelets in washed from bind to the gold electrodes of such sensors, but the resulting frequency shifts are far less than predicted by the conventional mass-based model of device operation. Adherence to albumin and various types of collagen can be produced by on-line introduction of protein or by a pre-coating strategy. Differences in attachment of platelets to collagen types I and IV and the Horm variety can be detected. Platelets attached to collagen yield an interesting delayed, but reversible signal on exposure to a flowing medium of low pH. Scanning electron microscopy of sensor surfaces at various time points in this experiment reveals that originally intact platelets are eventually destroyed by the high acidity of the medium. The reversible frequency is attributed to the presence of removable platelet granular components at the sensor-liquid interface.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,214 · 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

Citations9
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetAcoustic Wave Resonator TechnologiesTravaux en français237 207