Live sperm trap microarray for high throughput imaging and analysis
Notice bibliographique
Résumé
There is a growing appreciation and understanding of cell-to-cell variability in biological samples. However, research and clinical practice in male fertility has relied on population, or sample-based characteristics. Single-cell resolution is particularly important given the winner-takes-all nature of both natural and in vitro fertilization: it is the properties of a single cell, not the population, that are passed to the next generation. While there are a range of methods for single cell analysis, arraying a larger number of live sperm has not been possible due to the strong locomotion of the cells. Here we present a 103-trap microarray that traps, aligns and arrays individual live sperm. The method enables high-resolution imaging of the aligned cell head, the application of dye-based DNA and mitochondrial analyses, and the quantification of motility characteristics, such as tail beat. In testing, a 2400-post array trapped ∼400 sperm for individual analyses of tail beating frequency and amplitude, DNA integrity via acridine orange staining, and mitochondrial activity via staining. While literature results are mixed regarding a possible correlation between motility and DNA integrity of sperm at sample-level, results here find no statistical correlation between tail beat characteristics and DNA integrity at the cell-level. The trap array uniquely enables the high-throughput study of individual live sperm in semen samples - assessing the inherently single-cell selection process of fertilization, with single-cell resolution.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,011 |
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 ».