MétaCan
Menu
Retour à la cohorte
Enregistrement W3106844932 · doi:10.1088/1758-5090/abce0b

Accessible dynamic micropatterns in monolayer cultures via modified desktop xurography

2020· article· en· W3106844932 sur OpenAlexafffund
Raymond Tran, Corinne A. Hoesli, Christopher Moraes

Notice bibliographique

RevueBiofabrication · 2020
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsStem Cell Network
Mots-clésScratchMaterials scienceSubtractive colorBiomaterialComputer scienceNanotechnologyMonolayerBiomedical engineeringEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Micropatterned cell cultures provide an important tool to understand dynamic biological processes, but often require specialized equipment and expertise. Here we present subtractive bioscribing (SuBscribing), a readily accessible and inexpensive technique to generate dynamic micropatterns in biomaterial monolayers on-the-fly. We first describe our modifications to a commercially available desktop xurographer and demonstrate the utility and limits of this system in creating micropatterned cultures by mechanically scribing patterns into a brittle, non-adhesive biomaterial layer. Patterns are sufficiently small to influence cell morphology and orientation and can be extended to pattern large areas with complex reproducible shapes. We also demonstrate the use of this system as a dynamic patterning tool for cocultures. Finally, we use this technique to explore and improve upon the well-established epithelial scratch assay, and demonstrate that robotic control of the scratching tool can be used to create custom-shaped wounds in epithelial monolayers, and that the scribing direction leaves trace remnants of matrix molecules that may significantly affect conventional implementations of this common assay.

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 enseignants0,003
Score d'incertitude au seuil0,011

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 ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,264 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiofabricationMême sujet3D Printing in Biomedical ResearchTravaux en français237 207