MétaCan
Menu
Retour à la cohorte
Enregistrement W3035538557 · doi:10.3390/mi11060590

Recent Advances in Monitoring Cell Behavior Using Cell-Based Impedance Spectroscopy

2020· review· en· W3035538557 sur OpenAlexafffund
Qusai Hassan, Soha Ahmadi, Kağan Kerman

Notice bibliographique

RevueMicromachines · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and ScienceCanada Research ChairsCanada Foundation for Innovation
Mots-clésDielectric spectroscopyCellViability assayElectrical impedanceNanotechnologyMotilityCell adhesionBiomedical engineeringMaterials scienceChemistryBiophysicsBiologyCell biologyMedicineEngineeringBiochemistryElectrochemistryElectrodeElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Cell-based impedance spectroscopy (CBI) is a powerful tool that uses the principles of electrochemical impedance spectroscopy (EIS) by measuring changes in electrical impedance relative to a voltage applied to a cell layer. CBI provides a promising platform for the detection of several properties of cells including the adhesion, motility, proliferation, viability and metabolism of a cell culture. This review gives a brief overview of the theory, instrumentation, and detection principles of CBI. The recent applications of the technique are given in detail for research into cancer, neurodegenerative diseases, toxicology as well as its application to 2D and 3D in vitro cell cultures. CBI has been established as a biophysical marker to provide quantitative cellular information, which can readily be adapted for single-cell analysis to complement the existing biomarkers for clinical research on disease progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations48
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207