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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».