MétaCan
Menu
Retour à la cohorte
Enregistrement W2593758551 · doi:10.1073/pnas.1612906114

Multisensor-integrated organs-on-chips platform for automated and continual in situ monitoring of organoid behaviors

2017· article· en· W2593758551 sur OpenAlexaff
Yu Shrike Zhang, Julio Aleman, Su Ryon Shin, Tuğba Kiliç, Duck Jin Kim, Seyed Ali Mousavi Shaegh, Solange Massa, Reza Riahi, Sukyoung Chae, Ning Hu, Hüseyin Avcı, Weijia Zhang, Antonia Silvestri, Amir Sanati‐Nezhad, Ahmad Manbohi, Fabio De Ferrari, Alessandro Polini, Giovanni Calzone, Noor Shaikh, Parissa Alerasool, Erica Budina, Jian Kang, Nupura Bhise, João Ribas, Adel Pourmand, Aleksander Skardal, Thomas Shupe, Colin E. Bishop, Mehmet R. Dokmeci, Anthony Atala, Ali Khademhosseini

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of Dental and Craniofacial ResearchOffice of Naval ResearchDefense Threat Reduction AgencyNational Cancer InstituteNational Institutes of HealthNational Heart, Lung, and Blood InstituteNational Institute of Allergy and Infectious DiseasesEskişehir Osmangazi ÜniversitesiTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésMicrofluidicsModular designOrgan-on-a-chipComputer scienceOrganoidMicrofluidic chipVibratomeEmbedded systemPreclinical testingDrug discoveryNanotechnologyComputational biologyBioinformaticsBiologyNeuroscienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Organ-on-a-chip systems are miniaturized microfluidic 3D human tissue and organ models designed to recapitulate the important biological and physiological parameters of their in vivo counterparts. They have recently emerged as a viable platform for personalized medicine and drug screening. These in vitro models, featuring biomimetic compositions, architectures, and functions, are expected to replace the conventional planar, static cell cultures and bridge the gap between the currently used preclinical animal models and the human body. Multiple organoid models may be further connected together through the microfluidics in a similar manner in which they are arranged in vivo, providing the capability to analyze multiorgan interactions. Although a wide variety of human organ-on-a-chip models have been created, there are limited efforts on the integration of multisensor systems. However, in situ continual measuring is critical in precise assessment of the microenvironment parameters and the dynamic responses of the organs to pharmaceutical compounds over extended periods of time. In addition, automated and noninvasive capability is strongly desired for long-term monitoring. Here, we report a fully integrated modular physical, biochemical, and optical sensing platform through a fluidics-routing breadboard, which operates organ-on-a-chip units in a continual, dynamic, and automated manner. We believe that this platform technology has paved a potential avenue to promote the performance of current organ-on-a-chip models in drug screening by integrating a multitude of real-time sensors to achieve automated in situ monitoring of biophysical and biochemical parameters.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,061
Tête enseignante GPT0,356
Écart entre enseignants0,294 · 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

Citations823
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207