MétaCan
Menu
Retour à la cohorte
Enregistrement W4392247257 · doi:10.1016/j.ohx.2024.e00516

BioCloneBot: A versatile, low-cost, and open-source automated liquid handler

2024· article· en· W4392247257 sur OpenAlexafffund
Ke’Koa CDH Wells, Nawwaf Kharma, Brandon B. Jaunky, Kaiyu Nie, Gabriel Aguiar-Tawil, Daniel M. Berry

Notice bibliographique

RevueHardwareX · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConcordia University
Mots-clésOpen sourceComputer scienceEmbedded systemOperating systemSoftware

Résumé

récupéré en direct d'OpenAlex

Liquid handler systems can provide significant benefits to researchers by automating laboratory work, however, their unaffordable price provides a steep barrier to entry. Therefore, we provide the BioCloneBot, a versatile, low-cost, and open-source automated liquid handler. This system can be easily built with 3D-printed parts and readily available commercial components. The BioCloneBot is highly adaptive to user needs and facilitates various liquid handling tasks in research and diagnostics. Its user-friendly interface and programmable nature make it suitable for a wide range of applications, from small-scale experiments to larger laboratory setups. By utilizing BioCloneBot, researchers and scientists can streamline their liquid handling processes without the financial constraints posed by traditional systems. In this paper, we detail the design, construction, and validation of BioCloneBot, showcasing its precise control, accuracy, and repeatability in various liquid handling tasks. The open-source nature of the system encourages collaboration and customization, enabling researchers to contribute and adapt the technology to specific experimental requirements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,014
Tête enseignante GPT0,259
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHardwareXMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207