MétaCan
Menu
Retour à la cohorte
Enregistrement W2321787893 · doi:10.1021/la404677w

Elastomeric Negative Acoustic Contrast Particles for Capture, Acoustophoretic Transport, and Confinement of Cells in Microfluidic Systems

2014· article· en· W2321787893 sur OpenAlexfundno aff
C. Wyatt Shields, Leah M. Johnson, Lu Gao, Gabriel P. López

Notice bibliographique

RevueLangmuir · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMaterials Research Science and Engineering Center, Harvard UniversityMcMaster UniversityHartwell FoundationNational Science Foundation
Mots-clésMicrofluidicsElastomerMaterials scienceParticle (ecology)SortingSound pressureNucleationAcoustic levitationAcoustic waveNanotechnologyStanding waveAcousticsChemistryComposite materialPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

We present a particle-based method for the immunospecific capture and confinement of cells using acoustic radiation forces. Ultrasonic standing waves in microfluidic systems have previously been used for the continuous focusing of cells in rapid screening and sorting applications. In aqueous fluids, cells typically exhibit positive acoustic contrast and are thus forced toward the pressure nodes of a standing wave. Conversely, elastomeric particles exhibit negative acoustic contrast and travel toward the pressure antinodes. We have developed a class of elastomeric particles that are synthesized in bulk using a simple nucleation and growth process, providing precise control over their size and functional properties. We demonstrate that the biofunctionalization of these particles can allow the capture and transport of cells to the pressure antinodes solely via acoustic radiation forces, which may enable new acoustics-based cell handling techniques such as the washing, labeling, and sorting of cells with minimal preparatory steps.

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 enseignants0,000
Score d'incertitude au seuil0,002

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 recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207