MétaCan
Menu
Retour à la cohorte
Enregistrement W2160943556 · doi:10.1039/b813897d

Patterning protein concentration using laser-assisted adsorption by photobleaching, LAPAP

2008· article· en· W2160943556 sur OpenAlexafffund
Jonathan M. Bélisle, James P. Correia, Paul W. Wiseman, Timothy E. Kennedy, Santiago Costantino

Notice bibliographique

RevueLab on a Chip · 2008
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAxon Guidance and Neuronal Signaling
Établissements canadiensMcGill UniversityMontreal Neurological Institute and HospitalUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésPhotobleachingSubstrate (aquarium)BiophysicsIn vitroChemistryIn vivoFluorescence recovery after photobleachingNanotechnologyBiological systemMaterials scienceBiologyBiochemistryFluorescencePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

The study of cellular responses to changes in the spatial distribution of molecules in development, immunology and cancer, requires reliable methods to reproduce in vitro the precise distributions of proteins found in vivo. Here we present a straightforward method for generating substrate-bound protein patterns which has the simplicity required to be implemented in typical life science laboratories. The method exploits photobleaching of fluorescently tagged molecules to generate patterns and concentration gradients of protein with sub-micron spatial resolution. We provide an extensive characterization of the technique and demonstrate, as proof of principle, axon guidance by gradients of substrate-bound laminin peptide generated in vitro using LAPAP.

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 seuil0,003

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 recherche0,0000,001
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 Opus0,069
Tête enseignante GPT0,275
Écart entre enseignants0,206 · 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

Citations63
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetAxon Guidance and Neuronal SignalingTravaux en français237 207