Statistical Methods for Microrheology of Airway Mucus with Extreme Heterogeneity
Notice bibliographique
Résumé
Abstract The mucus lining of the human airway epithelium contains two gel-forming mucins, MUC5B and MUC5AC. During progression of cystic fibrosis (CF), mucus hyper-concentrates as its mucin ratio changes, coinciding with formation of insoluble, dense mucus flakes. We explore rheological heterogeneity of this pathology with reconstituted mucus matching three stages of CF progression and particle-tracking of 200 nm and 1 micron diameter beads. We introduce statistical data analysis methods specific to low signal-to-noise data within flakes. Each bead time series is decomposed into: (i) a fractional Brownian motion (fBm) classifier of the pure time-series signal ; (ii) high-frequency static and dynamic noise; and (iii) low-frequency deterministic drift. Subsequent analysis focuses on the denoised fBm classifier ensemble from each mucus sample and bead diameter. Every ensemble fails a homogeneity test, compelling clustering methods to assess levels of heterogeneity. The first binary level detects beads within vs. outside flakes. A second binary level detects within-flake bead signals that can vs. cannot be disentangled from the experimental noise floor. We show all denoised ensembles, within- and outside-flakes, fail a homogeneity test, compelling additional clustering; next, all clusters with sufficient data fail a homogeneity test. These levels of heterogeneity are consistent with outcomes from a stochastic phase-separation process, and dictate applying the generalized Stokes-Einstein relation to each bead per cluster per sample, then frequency-domain averaging to assess rheological heterogeneity. Flakes exhibit a spectrum of gel-like and sol-like domains, outside-flake solutions a spectrum of sol-like domains, painting a rheological signature of the phase-separation process underlying flake-burdened mucus.
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 | 0,017 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».