High-throughput measurement of gap junctional intercellular communication
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
Gap junctional intercellular communication (GJIC) is a critical part of cellular activities and is necessary for electrical propagation among contacting cells. Disorders of gap junctions are a major cause for cardiac arrhythmias. Dye transfer through microinjection is a conventional technique for measuring GJIC. To overcome the limitations of manual microinjection and perform high-throughput GJIC measurement, here we present a new robotic microinjection system that is capable of injecting a large number of cells at a high speed. The highly automated system enables large-scale cell injection (thousands of cells vs. a few cells) without major operator training. GJIC of three cell lines of differing gap junction density, i.e., HeLa, HEK293, and HL-1, was evaluated. The effect of a GJIC inhibitor (18-α-glycyrrhetinic acid) was also quantified in the three cell lines. System operation speed, success rate, and cell viability rate were quantitatively evaluated based on robotic microinjection of over 4,000 cells. Injection speed was 22.7 cells per min, with 95% success for cell injection and >90% survival. Dye transfer cell counts and dye transfer distance correlated with the expected connexin expression of each cell type, and inhibition of dye transfer correlated with the concentration of GJIC inhibitor. Additionally, real-time monitoring of dye transfer enables the calculation of coefficients of molecular diffusion through gap junctions. This robotic microinjection dye transfer technique permits rapid assessment of gap junction function in confluent cell cultures.
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 | 0,001 |
| 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