A microfluidic platform with integrated porous membrane cell-substrate impedance spectroscopy (PM-ECIS) for biological barrier assessment
Notice bibliographique
Résumé
Abstract Traditionally, biological barriers are assessed in vitro by measuring trans-endothelial/epithelial electrical resistance (TEER) across a monolayer using handheld chopstick electrodes. Implementation of TEER into organ-on-chip (OOC) setups is a challenge however, due to non-uniform current distribution and interference from biomaterials typically found in such systems. In this work, we address the pitfalls of standard TEER measurement through the application of porous membrane electrical cell-substrate impedance sensing (PM-ECIS) to an OOC setup. Gold leaf electrodes (working electrode diameters = 250, 500, 750 µm) were incorporated onto porous membranes and combined with biocompatible tape to assemble microfluidic devices. PM-ECIS resistance at 4 kHz was not influenced by presence of collagen hydrogel in bottom channels, compared to TEER measurements in same devices, which showed a difference of 1723 ± 381.8 Ω (p=0.006) between control and hydrogel conditions. A proof of concept, multi-day co-culture model of the blood-brain barrier was also demonstrated in these devices. PM-ECIS measurements were robust to fluid shear (5 dyn/cm 2 ) in cell-free devices, yet were highly sensitive to flow-induced changes in an endothelial barrier model. Initiation of perfusion (0.06 dyn/cm 2 ) in HUVEC-seeded devices corresponded to significant decreases in impedance at 40 kHz (p<0.01 for 750 and 500 µm electrodes) and resistance at 4 kHz (p<0.05 for all electrode sizes) relative to static control cultures, with minimum values reached at 6.5 to 9.5 hours after induction of flow. Our microfluidic PM-ECIS platform enables sensitive, non-invasive, real-time measurements of barrier function in setups integrating critical OOC features like 3D co-culture, biomaterials and shear stress.
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) | 0,000 | 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 ».