Droplet digital microfluidic system for screening filamentous fungi based on enzymatic activity
Notice bibliographique
Résumé
Fungal cell-wall-degrading enzymes have great utility in the agricultural and food industries. These cell-wall-degrading enzymes are known to have functions that can help defend against pathogenic organisms. The existing methods used to discover these enzymes are not well adapted to fungi culture and morphology, which prevents the proper evaluation of these enzymes. We report the first droplet-based microfluidic method capable of long-term incubation and low-voltage conditions to sort filamentous fungi inside nanoliter-sized droplets. The new method was characterized and validated in solid-phase media based on colloidal chitin such that the incubation of single spores in droplets was possible over multiple days (2-4 days) and could be sorted without droplet breakage. With long-term culture, we examined the activity of cell-wall-degrading enzymes produced by fungi during solid-state droplet fermentation using three highly sensitive fluorescein-based substrates. We also used the low-voltage droplet sorter to select clones with highly active cell-wall-degrading enzymes, such as chitinases, β-glucanases, and β-N-acetylgalactosaminidases, from a filamentous fungi droplet library that had been incubated for >4 days. The new system is portable, affordable for any laboratory, and user-friendly compared to classical droplet-based microfluidic systems. We propose that this system will be useful for the growing number of scientists interested in fungal microbiology who are seeking high-throughput methods to incubate and sort a large library of fungal cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».