An integrated droplet-digital microfluidic system for on-demand droplet creation, mixing, incubation, and sorting
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
Droplet microfluidics is a technique that has the ability to compartmentalize reactions in sub nano- (or pico-) liter volumes that can potentially enable millions of distinct biological assays to be performed on individual cells. In a typical droplet microfluidic system, droplets are manipulated by pressure-based flows. This has limited the fluidic operations that can be performed in these devices. Digital microfluidics is an alternative microfluidic paradigm with precise control and manipulation over individual droplets. Here, we implement an integrated droplet-digital microfluidic (which we call 'ID2M') system in which common fluidic operations (i.e. droplet generation, cell encapsulation, droplet merging and mixing, droplet trapping and incubation, and droplet sorting) can be performed. With the addition of electrodes, we have been able to create droplets on-demand, tune their volumes on-demand, and merge and mix several droplets to produce a dilution series. Moreover, this device can trap and incubate droplets for 24 h that can consequently be sorted and analyzed in multiple n-ary channels (as opposed to typical binary channels). The ID2M platform has been validated as a robust on-demand screening system by sorting fluorescein droplets of different concentration with an efficiency of ∼96%. The utility of the new system is further demonstrated by culturing and sorting tolerant yeast mutants and wild-type yeast cells in ionic liquid based on their growth profiles. This new platform for both droplet and digital microfluidics has the potential to be used for screening different conditions on-chip and for applications like directed evolution.
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