MétaCan
Menu
Retour à la cohorte
Enregistrement W2604141503 · doi:10.1371/journal.pcbi.1005451

Polarization and migration in the zebrafish posterior lateral line system

2017· article· en· W2604141503 sur OpenAlexafffund
Hildur Knútsdóttir, Cole Zmurchok, Dhananjay Bhaskar, Eiríkur Pálsson, Damian Dalle Nogare, Ajay Chitnis, Leah Edelstein‐Keshet

Notice bibliographique

RevuePLoS Computational Biology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNatural Sciences and Engineering Research Council of CanadaNational Institutes of HealthCanadian Cancer Society
Mots-clésZebrafishChemotaxisCell biologyMotilityBiologyWnt signaling pathwayReceptorCell polarityFibroblast growth factorCell migrationPhenotypeCellSignal transductionGenetics

Résumé

récupéré en direct d'OpenAlex

Collective cell migration plays an important role in development. Here, we study the posterior lateral line primordium (PLLP) a group of about 100 cells, destined to form sensory structures, that migrates from head to tail in the zebrafish embryo. We model mutually inhibitory FGF-Wnt signalling network in the PLLP and link tissue subdivision (Wnt receptor and FGF receptor activity domains) to receptor-ligand parameters. We then use a 3D cell-based simulation with realistic cell-cell adhesion, interaction forces, and chemotaxis. Our model is able to reproduce experimentally observed motility with leading cells migrating up a gradient of CXCL12a, and trailing (FGF receptor active) cells moving actively by chemotaxis towards FGF ligand secreted by the leading cells. The 3D simulation framework, combined with experiments, allows an investigation of the role of cell division, chemotaxis, adhesion, and other parameters on the shape and speed of the PLLP. The 3D model demonstrates reasonable behaviour of control as well as mutant phenotypes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil0,204

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 Opus0,015
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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

Citations22
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetCellular Mechanics and InteractionsTravaux en français237 207