MétaCan
Menu
Retour à la cohorte
Enregistrement W4361190926 · doi:10.1021/acs.nanolett.2c03733

4D Force Detection of Cell Adhesion and Contractility

2023· article· en· W4361190926 sur OpenAlexafffund
Nafsika Chala, Xinyu Zhang, Tomaso Zambelli, Ziyi Zhang, Teseo Schneider, Daniele Panozzo, Dimos Poulikakos, Aldo Ferrari

Notice bibliographique

RevueNano Letters · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensUniversity of Victoria
Organismes subventionnairesDivision of Advanced CyberinfrastructureDivision of Mathematical SciencesNatural Sciences and Engineering Research Council of CanadaOffice of Integrative ActivitiesStavros Niarchos FoundationCourant Institute of Mathematical Sciences, New York UniversityEidgenössische Technische Hochschule ZürichYork UniversityDivision of Information and Intelligent SystemsAlfred P. Sloan Foundation
Mots-clésContractilityAdhesionTractive forceMaterials scienceNanotechnologyPopulationMechanical engineeringComposite materialEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Mechanical signals establish two-way communication between mammalian cells and their environment. Cells contacting a surface exert forces via contractility and transmit them at the areas of focal adhesions. External stimuli, such as compressive and pulling forces, typically affect the adhesion-free cell surface. Here, we demonstrate the collaborative employment of Fluidic Force Microscopy and confocal Traction Force Microscopy supported by the Cellogram solver to enable a powerful integrated force probing approach, where controlled vertical forces are applied to the free surface of individual cells, while the concomitant deformations are used to map their transmission to the substrate. Force transmission across human cells is measured with unprecedented temporal and spatial resolution, enabling the investigation of the cellular mechanisms involved in the adaptation, or maladaptation, to external mechanical stimuli. Altogether, the system enables facile and precise force interrogation of individual cells, with the capacity to perform population-based analysis.

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 enseignants0,012
Score d'incertitude au seuil0,212

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 Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetCellular Mechanics and InteractionsTravaux en français237 207