Notice bibliographique
Résumé
In this manuscript, we developed a screening system that employs the difference in density between liquid water and ice (0.9998 g/cm 3 vs 0.9168 g/cm 3 at 0 °C) to identify ice-nucleating agents (INAs) that are encapsulated into droplets of water suspended in silicone oil of intermediate density (0.939 g/cm 3 ). Droplets of liquid water stably reside at the interface of the silicone oil and perfluoro oil (1.6658 g/cm 3 ); freezing causes the aqueous droplets to float to the top of the silicone oil layer. We demonstrated the feasibility of this screening system by using droplets that contained well-defined ice-nucleator Snomax. The droplets with and without Snomax froze at different temperatures and separated into two groups in our system. We employed the screening system to test samples that have different ice-nucleating activities. Starting from known ice-nucleating active bacteria Pseudomonas syringae, we confirmed that droplets that contain an increasing amount of ice-nucleating bacteria per droplet exhibit a dose-dependent increase in ice nucleation. When droplets containing different amounts of P. syringae were separated using a freeze–float setup, we observed that the droplets that floated at higher temperature contained more ice-nucleating active bacteria. The outlined system, thus, permits simple power-free separation of droplets that contain effective INA from those that contain weak or no INA. Such a setup can be used as a starting point for the development of high-throughput approaches for the discovery of new INAs.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».