Notice bibliographique
Résumé
My research focuses on understanding the biological processes that control stem cell identity and how they impact brain development. I will present my project which involves directing the differentiation of genetically engineered human pluripotent stem cells (hPSCs) into 3-dimensional brain tissues called ‘organoids’. With the hPSCs, we are able to study the early stages of brain development using human cells. These engineered stem cells carry a mutation that causes epilepsy and autism. The effects of this mutation, we believe, are present during earlier stages of brain development than what has been previously appreciated. The goal of my research is to understand how this mutation affects the earliest stages of human brain development.In my presentation I will demonstrate how, in our laboratory, we differentiate hPSCs into the mix of cell types that make up the brain. Specifically, I am measuring the amount of brain stem cells and neurons that are generated in order to understand how the disease mutation affects this balance. I will discuss how we culture stem cells in a sterile environment, and how we turn them into brain tissue using defined media formulations and engineered extracellular matrices. To analyze these brain organoids, I stain them with fluorescent antibodies that detect proteins that identify stem cells and neurons, and then image them using cutting-edge microscopy techniques. These ground- breaking technologies have been developed by current leaders in the stem cell field, many of whom work in Canada and the Vancouver region.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».