MétaCan
Menu
Retour à la cohorte
Enregistrement W4286855330 · doi:10.3791/55615-v

An All-on-chip Method for Rapid Neutrophil Chemotaxis Analysis Directly from a Drop of Blood

2017· article· en· W4286855330 sur OpenAlexaff
Ke Yang, Jiandong Wu, Ling Zhu, Yong Liu, Michael Zhang, Francis Lin

Notice bibliographique

RevueJournal of Visualized Experiments · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensSeven Oaks General HospitalUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésChemotaxisMicrofluidicsChemotaxis assayCOPDImmunologyBiologyChemistryNanotechnologyMaterials scienceMedicineBiochemistryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Neutrophil migration and chemotaxis are critical for our body's immune system. Microfluidic devices are increasingly used for investigating neutrophil migration and chemotaxis owing to their advantages in real-time visualization, precise control of chemical concentration gradient generation, and reduced reagent and sample consumption. Recently, a growing effort has been made by the microfluidic researchers toward developing integrated and easily operated microfluidic chemotaxis analysis systems, directly from whole blood. In this direction, the first all-on-chip method was developed for integrating the magnetic negative purification of neutrophils and the chemotaxis assay from small blood volume samples. This new method permits a rapid sample-to-result neutrophil chemotaxis test in 25 min. In this paper, we provide detailed construction, operation and data analysis method for this all-on-chip chemotaxis assay with a discussion on troubleshooting strategies, limitations and future directions. Representative results of the neutrophil chemotaxis assay testing a defined chemoattractant, N-Formyl-Met-Leu-Phe (fMLP), and sputum from a chronic obstructive pulmonary disease (COPD) patient, using this all-on-chip method are shown. This method is applicable to many cell migration-related investigations and clinical applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,047
Score d'incertitude au seuil0,767

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,056
Tête enseignante GPT0,477
Écart entre enseignants0,422 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207