MétaCan
Menu
Retour à la cohorte
Enregistrement W4307899046 · doi:10.1016/j.slast.2022.10.001

Digital microfluidics as an emerging tool for bacterial protocols

2022· review· en· W4307899046 sur OpenAlexaff
Carine R. Nemr, Alexandros A. Sklavounos, Aaron R. Wheeler, Shana O. Kelley

Notice bibliographique

RevueSLAS TECHNOLOGY · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueElectrowetting and Microfluidic Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSociety for Laboratory Automation and Screening
Mots-clésMicrofluidicsInstrumentation (computer programming)Computer scienceDigital microfluidicsNanotechnologySample (material)Systems engineeringBiochemical engineeringComputer hardwareProcess engineeringEngineeringMaterials scienceChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

Bacteria are widely studied in various research areas, including synthetic biology, sequencing and diagnostic testing. Protocols involving bacteria are often multistep, cumbersome and require access to a long list of instruments to perform experiments. In order to streamline these processes, the fluid handling technique digital microfluidics (DMF) has provided a miniaturized platform to perform various steps of bacterial protocols from sample preparation to analysis. DMF devices can be paired/interfaced with instrumentation such as microscopes, plate readers, and incubators, demonstrating their versatility with existing research tools. Alternatively, DMF instruments can be integrated into all-in-one packages with on-chip magnetic separation for sample preparation, heating/cooling modules to perform assay steps and cameras for absorbance and/or fluorescence measurements. This perspective outlines the beneficial features DMF offers to bacterial protocols, highlights limitations of current work and proposes future directions for this tool's expansion in the field.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,030
Tête enseignante GPT0,321
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLAS TECHNOLOGYMême sujetElectrowetting and Microfluidic TechnologiesTravaux en français237 207