On-chip functional neuroimaging with mechanical stimulation in<i>Caenorhabditis elegans</i>larvae for studying development and neural circuits
Notice bibliographique
Résumé
Mechanosensation is fundamentally important for the abilities of an organism to experience touch, hear sounds, and maintain balance. Caenorhabditis elegans is a powerful system for studying mechanosensation as this worm is well suited for in vivo functional imaging of neurons. Many years of research using labor-intensive methods have generated a wealth of knowledge about mechanosensation in C. elegans, and the recent microfluidic-based platforms continue to push the boundary for this field. However, developmental aspects of sensory biology, including mechanosensation, are still not fully understood. One current bottleneck is the difficulty in assaying larvae because they are much smaller than adult worms. Microfluidic devices with features small enough for larvae, especially actuators for the delivery of mechanical stimulation, are difficult to design and fabricate. Here, we present a series of automatic microfluidic platforms that allow for in vivo functional imaging of C. elegans responding to controlled mechanical stimulation at different developmental stages. Using a novel fabrication method, we designed highly deformable pneumatically actuated on-chip structures that can deliver mechanical stimulation to larval worms. The PDMS actuator allows for quantitatively controlled mechanical stimulation of both gentle and harsh touch neurons, by simply changing the actuation pressure, which makes this device easily translatable to other labs. We validated the design and utility of our systems with studies of the functional role of mechanosensory neurons in developing worms; we showed that gentle and harsh touch neurons function similarly in early larvae as they do in the adult stage, which would not have been possible previously. Finally, we investigated the effect of a sleep-like state on neuronal responses by imaging C. elegans in the lethargus state.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».