Microfluidic Devices for Automation of Assays on Drosophila Melanogaster for Applications in Drug Discovery and Biological Studies
Notice bibliographique
Résumé
Drug discovery is a long and expensive process, which usually takes 12-15 years and could cost up to ~$1 billion. Conventional drug discovery process starts with high throughput screening and selection of drug candidates that bind to specific target associated with a disease condition. However, this process does not consider whether the chosen candidate is optimal not only for binding but also for ease of administration, distribution in the body, effect of metabolism and associated toxicity if any. A holistic approach, using model organisms early in the drug discovery process to select drug candidates that are optimal not only in binding but also suitable for administration, distribution and are not toxic is now considered as a viable way for lowering the cost and time associated with the drug discovery process. However, the conventional drug discovery assays using Drosophila are manual and required skill operator, which makes them expensive and not suitable for high-throughput screening. Recently, microfluidics has been used to automate many of the operations (e.g. sorting, positioning, drug delivery) associated with the Drosophila drug discovery assays and thereby increase their throughput. This review highlights recent microfluidic devices that have been developed for Drosophila assays with primary application towards drug discovery for human diseases. The microfluidic devices that have been reviewed in this paper are categorized based on the stage of the Drosophila that have been used. In each category, the microfluidic technologies behind each device are described and their potential biological applications are discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».