MétaCan
Menu
Retour à la cohorte
Enregistrement W2426591181 · doi:10.1039/c6lc00368k

Magnetic domain wall tweezers: a new tool for mechanobiology studies on individual target cells

2016· article· en· W2426591181 sur OpenAlexaff
Marco Monticelli, Dario Valter Conca, Edoardo Albisetti, A. Torti, Parikshit Pratim Sharma, Gururaj Rao Kidiyoor, Sara Barozzi, Dario Parazzoli, Pasquale Ciarletta, Monica Lupi, Daniela Petti, R. Bertacco

Notice bibliographique

RevueLab on a Chip · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFondazione Cariplo
Mots-clésMechanobiologyMagnetic tweezersDomain (mathematical analysis)TweezersOptical tweezersNanotechnologyComputer scienceBiologyCell biologyMaterials sciencePhysicsOpticsMathematics

Résumé

récupéré en direct d'OpenAlex

In vitro tests are of fundamental importance for investigating cell mechanisms in response to mechanical stimuli or the impact of the genotype on cell mechanical properties. In particular, the application of controlled forces to activate specific bio-pathways and investigate their effects, mimicking the role of the cellular environment, is becoming a prominent approach in the emerging field of mechanobiology. Here, we present an on-chip device based on magnetic domain wall manipulators, which allows the application of finely controlled and localized forces on target living cells. In particular, we demonstrate the application of a magnetic force in the order of hundreds of pN on the membrane of HeLa cells cultured on-chip, via manipulation of 1 μm superparamagnetic beads. Such a mechanical stimulus produces a sizable local indentation of the cellular membrane of about 2 μm. Upon evaluation of the beads' position within the magnetic field originated by the domain wall, the force applied during the experiments is accurately quantified via micromagnetic simulations. The obtained value is in good agreement with that calculated by the application of an elastic model to the cellular membrane.

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)0,000
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 enseignants0,331
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetCellular Mechanics and InteractionsTravaux en français237 207