Dynamic analysis of MAPK signaling using a high-throughput microfluidic single-cell imaging platform
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
Cells have evolved biomolecular networks that process and respond to changing chemical environments. Understanding how complex protein interactions give rise to emergent network properties requires time-resolved analysis of cellular response under a large number of genetic perturbations and chemical environments. To date, the lack of technologies for scalable cell analysis under well-controlled and time-varying conditions has made such global studies either impossible or impractical. To address this need, we have developed a high-throughput microfluidic imaging platform for single-cell studies of network response under hundreds of combined genetic perturbations and time-varying stimulant sequences. Our platform combines programmable on-chip mixing and perfusion with high-throughput image acquisition and processing to perform 256 simultaneous time-lapse live-cell imaging experiments. Nonadherent cells are captured in an array of 2,048 microfluidic cell traps to allow for the imaging of eight different genotypes over 12 h and in response to 32 unique sequences of stimulation, generating a total of 49,000 images per run. Using 12 devices, we carried out >3,000 live-cell imaging experiments to investigate the mating pheromone response in Saccharomyces cerevisiae under combined genetic perturbations and changing environmental conditions. Comprehensive analysis of 11 deletion mutants reveals both distinct thresholds for morphological switching and new dynamic phenotypes that are not observed in static conditions. For example, kss1Delta, fus3Delta, msg5Delta, and ptp2Delta mutants exhibit distinctive stimulus-frequency-dependent signaling phenotypes, implicating their role in filtering and network memory. The combination of parallel microfluidic control with high-throughput imaging provides a powerful tool for systems-level studies of single-cell 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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