MétaCan
Menu
Retour à la cohorte
Enregistrement W4281666421 · doi:10.1021/acs.nanolett.2c01018

Nanoparticle Amplification Labeling for High-Performance Magnetic Cell Sorting

2022· article· en· W4281666421 sur OpenAlexafffund
Zongjie Wang, Hansen Wang, Sichun Lin, Sharif Ahmed, Stéphane Angers, Edward H. Sargent, Shana O. Kelley

Notice bibliographique

RevueNano Letters · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada First Research Excellence Fund
Mots-clésMagnetic nanoparticlesCell sortingImmunomagnetic separationMagnetic separationCellSortingNanoparticleIntracellularNanotechnologyChemistryBiophysicsMaterials scienceCell biologyComputer scienceBiologyBiochemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Magnetic cell sorting is an enabling tool for the isolation of specific cellular subpopulations for downstream applications and requires the cells to be labeled by a sufficient number of magnetic nanoparticles to leverage magnetophoresis for efficient separation. This requirement makes it challenging to target weakly expressed biomarkers. Here, we developed a new approach that selectively and efficiently amplifies the magnetic labeling on cells through sequentially connected antibodies and nanoparticles delivered to the surface or interior of the cell. Using this approach, we achieved amplification up to 100-fold for surface and intracellular markers. We also demonstrated the utility of this assay for enabling high-performance magnetic cell sorting when it is applied to the analysis of rare tumor cells for cancer diagnosis and the purification of transfected CAR T cells for immunotherapy. The data presented demonstrate a useful tool for the stratification of rare cell subpopulations.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,391

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 Opus0,009
Tête enseignante GPT0,178
Écart entre enseignants0,169 · 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

Citations37
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207