Multi-size spheroid formation using microfluidic funnels
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
We present a microfluidic platform for automatic multi-size spheroid formation within constant volume hanging droplets (HDs) from a single inlet loading of a constant cell concentration. The platform introduces three technological improvements over the existing spheroid formation platforms: 1) cell seeding control is achieved by enrichment of a cell solution rather than dilution; 2) cell seeding in each HD is fully independent and pre-programmable at the design stage; 3) the fabricated chip operates well using a hydrophobic PDMS surface, ensuring long-term storage possibility for device usage. Pre-programmed cell seeding densities at each HD are achieved using a "microfluidic funnel" layer, which has an array of cone-shaped wells with increasing apex angles acting as a metering unit. The integrated platform is designed to form, treat, stain, and image multi-size spheroids on-chip. Spheroids can be analyzed on-chip or easily transferred to conventional well plates for further processing. Empirically, enrichment factors up to 37× have been demonstrated, resulting in viable spheroids of diameters ranging from 230-420 μm and 280-530 μm for OV90 and TOV112D cell lines, respectively. We envision that microfluidic funnels and single inlet multi-size spheroid (SIMSS) chips will find broad application in 3D biological assays where size-dependent responses are expected, including chemoresponse assays, photodynamic therapy assays, and other assays involving drug transport characterization in drug discovery.
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