MétaCan
Menu
Retour à la cohorte
Enregistrement W2889716812 · doi:10.1117/12.2318836

Hopping mechanism of particles and cells escaping from optoelectronic tweezer traps

2018· article· en· W2889716812 sur OpenAlexaff
Shuailong Zhang, Aaron R. Wheeler

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMechanism (biology)OptoelectronicsOptical tweezersTrappingMaterials sciencePhysicsOpticsBiologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Optoelectronic tweezers (OET) is an opto-electro-fluidic micromanipulation technology that uses light-induced dielectrophoresis (DEP) for touch-free actuation of micro-scale objects in physical, chemical and biomedical studies. In this work, we introduce a new method to evaluate the behavior of particles trapped in OET traps and used this technique to study their escape mechanism. Particles experiencing negative DEP were made to move in a circular path on a microscope stage, such that the particles’ velocities and trajectories could be observed under different conditions. At high velocities, particles were observed to escape the trap vertically (into the suspending medium) before settling back onto the surface. Three-dimensional numerical simulations of electrical field distribution indicated that the vertical displacement phenomenon occurs when the particle experiences the strongest DEP force at the boundary of the light pattern, lifting the trapped particle to a region where viscous drag exceeds the local horizontal DEP force, thereby forcing it to escape OET confinement. Similar ‘hopping’ phenomena were also observed for cells and particles of different sizes. We propose that the escape mechanism clarified in this work is a general one for objects manipulated by negative DEP in an OET trap, which will be important to consider in the future design of OET-enabled micromanipulation tools for a wide range of applications.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,336

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 Opus0,008
Tête enseignante GPT0,178
Écart entre enseignants0,170 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207