MétaCan
Menu
Retour à la cohorte
Enregistrement W2982223312 · doi:10.2144/btn-2019-0067

Single-cell Analysis for Drug Development Using Convex Lens-Induced Confinement Imaging

2019· article· en· W2982223312 sur OpenAlexafffund
Ndeye Khady Thiombane, Nicolas Coutin, Daniel Berard, Radin Tahvildari, Sabrina Leslie, Corey Nislow

Notice bibliographique

RevueBioTechniques · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésDrug discoverySingle-cell analysisCellPopulationCell growthLive cell imagingCell biologyBiologyComputational biologyBiological systemBioinformaticsGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

New technologies have powered rapid advances in cellular imaging, genomics and phenotypic analysis in life sciences. However, most of these methods operate at sample population levels and provide statistical averages of aggregated data that fail to capture single-cell heterogeneity, complicating drug discovery and development. Here we demonstrate a new single-cell approach based on convex lens-induced confinement (CLiC) microscopy. We validated CLiC on yeast cells, demonstrating subcellular localization with an enhanced signal-to-noise and fluorescent signal detection sensitivity compared with traditional imaging. In the live-cell CLiC assay, cellular proliferation times were consistent with flask culture. Using methotrexate, we provide drug response data showing a fivefold cell size increase following drug exposure. Taken together, CLiC enables high-quality imaging of single-cell drug response and proliferation for extended observation periods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,268
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioTechniquesMême sujetCell Image Analysis TechniquesTravaux en français237 207