Integrating Population Heterogeneity Indices with Microfluidic Cell-Based Assays
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent advances in cell-based assays have involved the integration of single-cell analyses and microfluidics technology to facilitate both high-content and high-throughput applications. These technical advances have yielded large datasets with single-cell resolution, and have given rise to the study of cell population dynamics, but statistical analyses of these populations and their properties have received much less attention, particularly for cells cultured in microfluidic systems. The objective of this study was to perform statistical analyses using Pittsburgh Heterogeneity Indices (PHIs) to understand the heterogeneity and evolution of cell population demographics on datasets generated from a microfluidic single-cell-resolution cell-based assay. We applied PHIs to cell population data obtained from studies involving drug response and soluble factor signaling of multiple myeloma cancer cells, and investigated effects of reducing population size in the microfluidic assay on both the PHIs and traditional population-averaged readouts. Results showed that PHIs are useful for examining changing population distributions within a microfluidic setting. Furthermore, PHIs provided data in support of finding the minimum population size for a microfluidic assay without altering the heterogeneity indices of the cell population. This work will be useful for novel assay development, and for advancing the integration of microfluidics, cell-based assays, and heterogeneity analyses.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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