MétaCan
Menu
Retour à la cohorte
Enregistrement W3159822725 · doi:10.1063/5.0039366

Transforming a well into a chip: A modular 3D-printed microfluidic chip

2021· article· en· W3159822725 sur OpenAlexfundno aff
Rossana Rauti, Adi Ess, Baptiste Le Roi, Yevgeniy Kreinin, Mark Epshtein, Netanel Korin, Ben M. Maoz

Notice bibliographique

RevueAPL Bioengineering · 2021
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesAzrieli FoundationIsrael Science FoundationH2020 European Research CouncilTeva Pharmaceutical Industries
Mots-clésModular designMicrofluidicsChipOrgan-on-a-chipLab-on-a-chipComputer scienceEmbedded systemMicrofluidic chipNanotechnologyComputer hardwareMaterials scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

-like conditions, i.e., in the presence of flow. Yet, the costs and know-how required for the fabrication and implementation of these platforms restrict their accessibility. This study introduces and demonstrates a novel Insert-Chip: a microfluidic device that provides the functionality of an Organ-on-a-Chip platform, namely, the capacity to co-culture cells, expose them to flow, and observe their interactions-yet can easily be integrated into standard culture systems (e.g., well plates or multi-electrode arrays). The device is produced using stereolithograpy 3D printing and is user-friendly and reusable. Moreover, its design features overcome some of the measurement and imaging challenges characterizing standard Organ-on-a-Chip platforms. We have co-cultured endothelial and epithelial cells under flow conditions to demonstrate the functionality of the device. Overall, this novel microfluidic device is a promising platform for the investigation of biological functions, cell-cell interactions, and response to therapeutics.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,010
Tête enseignante GPT0,238
Écart entre enseignants0,227 · 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

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAPL BioengineeringMême sujet3D Printing in Biomedical ResearchTravaux en français237 207