High-throughput tracking of single yeast cells in a microfluidic imaging matrix
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Time-lapse live cell imaging is a powerful tool for studying signaling network dynamics and complexity and is uniquely suited to single cell studies of response dynamics, noise, and heritable differences. Although conventional imaging formats have the temporal and spatial resolution needed for such studies, they do not provide the simultaneous advantages of cell tracking, experimental throughput, and precise chemical control. This is particularly problematic for system-level studies using non-adherent model organisms such as yeast, where the motion of cells complicates tracking and where large-scale analysis under a variety of genetic and chemical perturbations is desired. We present here a high-throughput microfluidic imaging system capable of tracking single cells over multiple generations in 128 simultaneous experiments with programmable and precise chemical control. High-resolution imaging and robust cell tracking are achieved through immobilization of yeast cells using a combination of mechanical clamping and polymerization in an agarose gel. The channel and valve architecture of our device allows for the formation of a matrix of 128 integrated agarose gel pads, each allowing for an independent imaging experiment with fully programmable medium exchange via diffusion. We demonstrate our system in the combinatorial and quantitative analysis of the yeast pheromone signaling response across 8 genotypes and 16 conditions, and show that lineage-dependent effects contribute to observed variability at stimulation conditions near the critical threshold for cellular decision making.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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