MétaCan
Menu
Retour à la cohorte
Enregistrement W4390811606 · doi:10.3791/66153

Evaluating Toxicity of Chemicals using a Zebrafish Vibration Startle Response Screening System

2024· article· en· W4390811606 sur OpenAlexaff
Gaëlle Hayot, Daniel Marcato, Christina A. Cramer von Clausbruch, Giuseppina Pace, Uwe Strähle, John K. Colbourne, Christian Pylatiuk, Ravindra Peravali, Carsten Weiß, Stefan Scholz, Thomas Dickmeis

Notice bibliographique

RevueJournal of Visualized Experiments · 2024
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensInstitute of Aging
Organismes subventionnairesEuropean Commission
Mots-clésModular designZebrafishComputer scienceBenchmark (surveying)VibrationToxicityMauthner cellWorkflowTransducerSimulationAcousticsBiologyPhysicsChemistryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We developed a simple screening system for the evaluation of neuromuscular and general toxicity in zebrafish embryos. The modular system consists of electrodynamic transducers above which tissue culture dishes with embryos can be placed. Multiple such loudspeaker-tissue culture dish pairs can be combined. Vibrational stimuli generated by the electrodynamic transducers induce a characteristic startle and escape response in the embryos. A belt-driven linear drive sequentially positions a camera above each loudspeaker to record the movement of the embryos. In this way, alterations to the startle response due to lethality or neuromuscular toxicity of chemical compounds can be visualized and quantified. We present an example of the workflow for chemical compound screening using this system, including the preparation of embryos and treatment solutions, operation of the recording system, and data analysis to calculate benchmark concentration values of compounds active in the assay. The modular assembly based on commercially available simple components makes this system both economical and flexibly adaptable to the needs of particular laboratory setups and screening purposes.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,293
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 Opus0,111
Tête enseignante GPT0,505
Écart entre enseignants0,395 · 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207