Monolithic hydrogel nanowells-in-microwells enabling simultaneous single cell secretion and phenotype analysis
Notice bibliographique
Résumé
Cytokine secretion is a form of cellular communication that regulates a wide range of biological processes. A common approach for measuring cytokine secretion from single cells is to confine individual cells in arrays of nanoliter wells (nanowells) fabricated using polydimethylsiloxane. However, this approach cannot be easily integrated in standard microwell plates in order to take advantage of high-throughput infrastructure for automated and multiplexed analysis. Here, we used laser micropatterning to fabricate monolithic hydrogel nanowells inside wells in a microwell plate (microwells) using polyethylene glycol diacrylate (PEGDA). This approach produces high-aspect ratio nanowells that retain cells and beads during reagent exchange, enabling simultaneous profiling of single cell secretion and phenotyping via immunostaining. To limit contamination between nanowells, we used methylcellulose as a media additive to reduce diffusion distance. Patterning nanowells monolithically in microwells also dramatically increases density, providing ∼1200 nanowells per microwell in a microwell plate. Using this approach, we profiled IL-8 secretion from single MDA-MB-231 cells, which showed significant heterogeneity. We further profiled the polarization of THP-1 cells into M1 and M2 macrophages, along with their associated IL-1β and CCL-22 secretion profiles. These results demonstrate the potential to use this approach for high-throughput secretion and phenotype analysis on single cells.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».