MétaCan
Menu
Retour à la cohorte
Enregistrement W2136235758 · doi:10.1109/coase.2005.1506763

A scalable robotic-based laboratory automation system for medium-sized biotechnology laboratories

2005· article· en· W2136235758 sur OpenAlexaff
Peyman Najmabadi, A.A. Goldenberg, Andrew Emili

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorkcellAutomationLaboratory automationThroughputScalabilityFlexibility (engineering)Embedded systemComputer scienceProtocol (science)FootprintTestbedWorkspaceInstrumentation (computer programming)RobotComputer hardwareEngineeringOperating systemArtificial intelligenceComputer networkMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a new approach to laboratory automation integration with applications in automatic execution of various biotechnology (genomics and proteomics) protocols. The new configuration is called "tower-based configuration". It provides a scalable workcell that also includes instrumentation for sub-processes such as vortexing, shaking, incubation etc. Tower-based automation is a robotic-based configuration that allows improving the throughput of automated system without changing the robotic workspace or increasing the footprint of the system. Tower configuration consists of two arms mounted on a common cylindrical base, and is surrounded by stackers that carry laboratory processing instruments, labwares and other accessories. The requirement of high throughput is satisfied by parallel processing. A conceptual tower-based automated system for magnetic isolation of TAP tagged protein complexes protocol is presented and compared with a traditional automated system. Our performance investigation showed that the tower-based configuration has a high throughput to footprint ratio, high scalability, and wide protocol flexibility in comparison with traditional laboratory automation approaches.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,201
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations10
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiosensors and Analytical DetectionTravaux en français237 207