MétaCan
Menu
Retour à la cohorte
Enregistrement W4317438718 · doi:10.34133/cbsystems.0011

Microfluidic-Assisted <i>Caenorhabditis elegans</i> Sorting: Current Status and Future Prospects

2023· article· en· W4317438718 sur OpenAlexaff
Hang Yuan, Wenwen Yuan, Sixuan Duan, Keran Jiao, Quan Zhang, Eng Gee Lim, Min Chen, Chun Zhao, Peng Pan, Xinyu Liu, Pengfei Song

Notice bibliographique

RevueCyborg and Bionic Systems · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesKey ProgrammeXi’an Jiaotong-Liverpool UniversityGovernment of Jiangsu Province
Mots-clésSortingCaenorhabditis elegansComputer scienceMicrofluidicsSorting algorithmBiologyComputational biologyData scienceNanotechnologyGenetics

Résumé

récupéré en direct d'OpenAlex

Caenorhabditis elegans ( C. elegans ) has been a popular model organism for several decades since its first discovery of the huge research potential for modeling human diseases and genetics. Sorting is an important means of providing stage- or age-synchronized worm populations for many worm-based bioassays. However, conventional manual techniques for C. elegans sorting are tedious and inefficient, and commercial complex object parametric analyzer and sorter is too expensive and bulky for most laboratories. Recently, the development of lab-on-a-chip (microfluidics) technology has greatly facilitated C. elegans studies where large numbers of synchronized worm populations are required and advances of new designs, mechanisms, and automation algorithms. Most previous reviews have focused on the development of microfluidic devices but lacked the summaries and discussion of the biological research demands of C. elegans , and are hard to read for worm researchers. We aim to comprehensively review the up-to-date microfluidic-assisted C. elegans sorting developments from several angles to suit different background researchers, i.e., biologists and engineers. First, we highlighted the microfluidic C. elegans sorting devices' advantages and limitations compared to the conventional commercialized worm sorting tools. Second, to benefit the engineers, we reviewed the current devices from the perspectives of active or passive sorting, sorting strategies, target populations, and sorting criteria. Third, to benefit the biologists, we reviewed the contributions of sorting to biological research. We expect, by providing this comprehensive review, that each researcher from this multidisciplinary community can effectively find the needed information and, in turn, facilitate future research.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,227 · 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

Citations51
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyborg and Bionic SystemsMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207