MétaCan
Menu
Retour à la cohorte
Enregistrement W3048808797 · doi:10.1038/s41598-020-70270-0

Self-organisation and convection of confined magnetotactic bacteria

2020· article· en· W3048808797 sur OpenAlexafffund
Albane Théry, Lucas Le Nagard, Jean-Christophe Ono-dit-Biot, Cécile Fradin, Kari Dalnoki‐Veress, Eric Lauga

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaH2020 European Research CouncilÉcole Supérieure de Physique et de Chimie Industrielles de la Ville de Paris
Mots-clésMagnetotactic bacteriaConvectionInstabilityMechanicsMagnetic fieldPhysicsBuoyancyChemical physicsBacteriaGeology

Résumé

récupéré en direct d'OpenAlex

Collective motion is found at all scales in biological and artificial systems, and extensive research is devoted to describing the interplay between interactions and external cues in collective dynamics. Magnetotactic bacteria constitute a remarkable example of living organisms for which motion can be easily controlled remotely. Here, we report a new type of collective motion where a uniform distribution of magnetotactic bacteria is rendered unstable by a magnetic field. A new state of "bacterial magneto-convection" results, wherein bacterial plumes emerge spontaneously perpendicular to an interface and develop into self-sustained flow convection cells. While there are similarities to gravity driven bioconvection and the Rayleigh-Bénard instability, these rely on a density mismatch between layers of the fluids. Remarkably, here no external forces are applied on the fluid and the magnetic field only exerts an external torque aligning magnetotactic bacteria with the field. Using a theoretical model based on hydrodynamic singularities, we capture quantitatively the instability and the observed long-time growth. Bacterial magneto-convection represents a new class of collective behaviour resulting only from the balance between hydrodynamic interactions and external alignment.

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 seuil0,002

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 savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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

Citations29
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMicro and Nano RoboticsTravaux en français237 207