MétaCan
Menu
Retour à la cohorte
Enregistrement W3042256866 · doi:10.1126/sciadv.aba9589

Cell invasion in digital microfluidic microgel systems

2020· article· en· W3042256866 sur OpenAlexaff
Bingyu B. Li, E. Scott, M. Dean Chamberlain, Bill T. V. Duong, Shuailong Zhang, Susan J. Done, Aaron R. Wheeler

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensCanada Research ChairsUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsDigital microfluidicsCellTranscriptomeNanotechnologyCell biologyMaterials scienceBiologyOptoelectronicsBiochemistryGene expressionGene

Résumé

récupéré en direct d'OpenAlex

Microfluidic methods for studying cell invasion can be subdivided into those in which cells invade into free space and those in which cells invade into hydrogels. The former techniques allow straightforward extraction of subpopulations of cells for RNA sequencing, while the latter preserve key aspects of cell interactions with the extracellular matrix (ECM). Here, we introduce "cell invasion in digital microfluidic microgel systems" (CIMMS), which bridges the gap between them, allowing the stratification of cells on the basis of their invasiveness into hydrogels for RNA sequencing. In initial studies with a breast cancer model, 244 genes were found to be differentially expressed between invading and noninvading cells, including genes correlating with ECM-remodeling, chemokine/cytokine receptors, and G protein transducers. These results suggest that CIMMS will be a valuable tool for probing metastasis as well as the many physiological processes that rely on invasion, such as tissue development, repair, and protection.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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'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

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207