MétaCan
Menu
Retour à la cohorte
Enregistrement W2399712925 · doi:10.1007/978-1-59745-513-8_6

Electro-Formation and Fluorescence Microscopy of Giant Vesicles With Coexisting Liquid Phases

2007· article· en· W2399712925 sur OpenAlexaff
Sarah L. Veatch

Notice bibliographique

RevueMethods in molecular biology · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésVesicleFluorescence microscopeMicroscopyFluorescenceBiophysicsMaterials scienceChemistryNanotechnologyOpticsBiologyPhysicsMembraneBiochemistry

Résumé

récupéré en direct d'OpenAlex

Giant unilamellar vesicles (GUVs) are routinely used to study coexisting liquid phases in bilayer membranes. Liquid domains are observed in a wide variety of ternary GUV membranes containing phospholipids and cholesterol, and are thought to model raft domains in cell membranes. GUVs are attractive model systems because vesicles are easily prepared using standard and inexpensive laboratory equipment, and phase-separated vesicles can be visualized using optical microscopy. In this chapter, a detailed method is presented to form and view 10-100-microm diameter single-walled vesicles of charged or uncharged lipid mixtures. GUVs can be visualized by fluorescence microscopy and methods are presented to measure miscibility transition temperatures and to distinguish solid (gel) and liquid domains. Numerous experimental artifacts associated with GUV preparation and viewing are discussed, including the effects of nonideal growth conditions and perturbations of fluorescent probes and other impurities.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,369
Écart entre enseignants0,355 · 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

Citations49
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207