Sizing biological cells using a microfluidic acoustic flow cytometer
Notice bibliographique
Résumé
We describe a new technique that combines ultrasound and microfluidics to rapidly size and count cells in a high-throughput and label-free fashion. Using 3D hydrodynamic flow focusing, cells are streamed single file through an ultrasound beam where ultrasound scattering events from each individual cell are acquired. The ultrasound operates at a center frequency of 375 MHz with a wavelength of 4 μm; when the ultrasound wavelength is similar to the size of a scatterer, the power spectra of the backscattered ultrasound waves have distinct features at specific frequencies that are directly related to the cell size. Our approach determines cell sizes through a comparison of these distinct spectral features with established theoretical models. We perform an analysis of two types of cells: acute myeloid leukemia cells, where 2,390 measurements resulted in a mean size of 10.0 ± 1.7 μm, and HT29 colorectal cancer cells, where 1,955 measurements resulted in a mean size of 15.0 ± 2.3 μm. These results and histogram distributions agree very well with those measured from a Coulter Counter Multisizer 4. Our technique is the first to combine ultrasound and microfluidics to determine the cell size with the potential for multi-parameter cellular characterization using fluorescence, light scattering and quantitative photoacoustic techniques.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».