MétaCan
Menu
Retour à la cohorte
Enregistrement W4361304833 · doi:10.1098/rsif.2022.0774

Mechanisms of gill-clogging by hagfish slime

2023· article· en· W4361304833 sur OpenAlexafffund
Luke Taylor, Gaurav Chaudhary, Gaurav Jain, Andrew B. Lowe, André Hupé, Atsuko Negishi, Yu Zeng, Randy H. Ewoldt, Douglas S. Fudge

Notice bibliographique

RevueJournal of The Royal Society Interface · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHagfishCloggingPermeability (electromagnetism)GillAnatomyBiologyMembraneFisheryVertebrateFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Hagfishes defend themselves from gill-breathing predators by producing large volumes of fibrous slime when attacked. The slime's effectiveness comes from its ability to clog predators' gills, but the mechanisms by which hagfish slime clogs are uncertain, especially given its remarkably dilute concentration of solids. We quantified the clogging performance of hagfish slime over a range of concentrations, measured the contributions of its mucous and thread components, and measured the effect of turbulent mixing on clogging. To assess the porous structure of hagfish slime, we used a custom device to measure its Darcy permeability. We show that hagfish slime clogs at extremely dilute concentrations like those found in native hagfish slime and displays clogging performance that is superior to three thickening agents. We report an extremely low Darcy permeability for hagfish slime, and an effective pore size of 10-300 nm. We also show that the mucous and thread components play distinct yet crucial roles, with mucus being responsible for effective clogging and low permeability and the threads imparting mechanical strength and retaining clogging function over time. Our results provide new insights into the mechanisms by which hagfish slime clogs gills and may inspire the development of ultra-soft materials with novel properties.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,557
Score d'incertitude au seuil0,295

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 GPT0,203
Écart entre enseignants0,196 · 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 revueJournal of The Royal Society InterfaceMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207