MétaCan
Menu
Retour à la cohorte
Enregistrement W2506195495 · doi:10.1063/1.4959031

On-chip clearing of arrays of 3-D cell cultures and micro-tissues

2016· article· en· W2506195495 sur OpenAlexafffund
Samantha M. Grist, S. Soroush Nasseri, Tak Poon, Calvin D. Roskelley, Karen C. Cheung

Notice bibliographique

RevueBiomicrofluidics · 2016
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCMC Microsystems
Mots-clésClearingNanotechnologyChipLab-on-a-chipCellComputer scienceChemistryMicrofluidicsMaterials scienceTelecommunicationsBiochemistryBusiness

Résumé

récupéré en direct d'OpenAlex

Three-dimensional (3-D) cell cultures are beneficial models for mimicking the complexities of in vivo tissues, especially in tumour studies where transport limitations can complicate response to cancer drugs. 3-D optical microscopy techniques are less involved than traditional embedding and sectioning, but are impeded by optical scattering properties of the tissues. Confocal and even two-photon microscopy limit sample imaging to approximately 100-200 μm depth, which is insufficient to image hypoxic spheroid cores. Optical clearing methods have permitted high-depth imaging of tissues without physical sectioning, but they are difficult to implement for smaller 3-D cultures due to sample loss in solution exchange. In this work, we demonstrate a microfluidic platform for high-throughput on-chip optical clearing of breast cancer spheroids using the SeeDB, Clear(T2), and ScaleSQ clearing methods. Although all three methods are able to effectively clear the spheroids, we find that SeeDB and ScaleSQ more effectively clear the sample than Clear(T2); however, SeeDB induces green autofluorescence while ScaleS causes sample expansion. Our unique on-chip implementation permits clearing arrays of 3-D cultures using perfusion while monitoring the 3-D cultures throughout the process, enabling visualization of the clearing endpoint as well as monitoring of transient changes that could induce image artefacts. Our microfluidic device is compatible with on-chip 3-D cell culture, permitting the use of on-chip clearing at the endpoint after monitoring the same spheroids during their culture. This on-chip method has the potential to improve readout from 3-D cultures, facilitating their use in cell-based assays for high-content drug screening and other applications.

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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,253
Écart entre enseignants0,240 · 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

Citations35
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomicrofluidicsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207