MétaCan
Menu
Retour à la cohorte
Enregistrement W3091560879 · doi:10.7554/elife.58635

Nuclear crowding and nonlinear diffusion during interkinetic nuclear migration in the zebrafish retina

2020· article· en· W3091560879 sur OpenAlexfundno aff
Afnan Azizi, Anne Herrmann, Yinan Wan, Salvador JRP Buse, Philipp Keller, Raymond E. Goldstein, William A. Harris

Notice bibliographique

RevueeLife · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilCambridge Philosophical SocietyNatural Sciences and Engineering Research Council of CanadaWellcomeCambridge TrustWellcome Trust
Mots-clésZebrafishDiffusionLive cell imagingCrowdingBiologyCytoskeletonBiophysicsPhysicsBiological systemCellNeuroscienceGenetics

Résumé

récupéré en direct d'OpenAlex

An important question in early neural development is the origin of stochastic nuclear movement between apical and basal surfaces of neuroepithelia during interkinetic nuclear migration. Tracking of nuclear subpopulations has shown evidence of diffusion - mean squared displacements growing linearly in time - and suggested crowding from cell division at the apical surface drives basalward motion. Yet, this hypothesis has not yet been tested, and the forces involved not quantified. We employ long-term, rapid light-sheet and two-photon imaging of early zebrafish retinogenesis to track entire populations of nuclei within the tissue. The time-varying concentration profiles show clear evidence of crowding as nuclei reach close-packing and are quantitatively described by a nonlinear diffusion model. Considerations of nuclear motion constrained inside the enveloping cell membrane show that concentration-dependent stochastic forces inside cells, compatible in magnitude to those found in cytoskeletal transport, can explain the observed magnitude of the diffusion constant.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,718
Score d'incertitude au seuil0,253

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 Opus0,008
Tête enseignante GPT0,210
Écart entre enseignants0,202 · 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.

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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetCellular Mechanics and InteractionsTravaux en français237 207