MétaCan
Menu
← Retour à la cohorte
Enregistrement W2534996658 · doi:10.1109/embc.2016.7592033

Lab-on-chips for manipulation of small-scale organisms to facilitate imaging of neurons and organs

2016· article· en· W2534996658 sur OpenAlexaff
Ramtin Ardeshiri, Pouya Rezai

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDrosophila melanogasterCaenorhabditis elegansMicrofluidicsModel organismComputer scienceBiologyNeuroscienceNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Caenorhabditis elegans (C. elegans) and Drosophila melanogaster (D. melanogaster) are widely-used model organisms for neurological and cardiac studies due to their simple neuronal (302 neurons in C. elegans) and cardiac (simple tubular organ in D. melanogaster) systems. However, their small sizes and continuous mobility impede their precise and timely manipulation, hence, limiting the assays that can be done using conventional manual methods. This has resulted in a need for technologies that allow multidirectional manipulation of model organisms to enable studies on target neurons and organs throughout the body. By integration of rotatable glass capillaries with pneumatic suction into microfluidic devices, we propose novel Lab-on-Chips for multi-directional manipulation and imaging of small organisms. These hybrid Lab-on-Chips can facilitate the processes of animal handling and stimuli control, using modules for single-organism selection, orientation, imaging and chemical stimulation. We show the applications of these hybrid microdevices in manipulating C. elegans for neuronal imaging (neuron-level assay) or D. melanogaster for heart screening (organ level assay). These devices can enhance the throughput of biological assays on whole-organisms and find their applications in drug discovery and toxicology.

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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,029
Tête enseignante GPT0,231
Écart entre enseignants0,202 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGenetics, Aging, and Longevity in Model Organisms→Travaux en français237 207→