MétaCan
Menu
Retour à la cohorte
Enregistrement W4399286680 · doi:10.3390/mi15060720

Cell Migration Assays and Their Application to Wound Healing Assays—A Critical Review

2024· article· en· W4399286680 sur OpenAlexaff
Chun Yang, Di Yin, Hongbo Zhang, Ildikó Badea, Shih‐Mo Yang, Wenjun Zhang

Notice bibliographique

RevueMicromachines · 2024
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésWound healingContext (archaeology)Benchmark (surveying)Biochemical engineeringComputer scienceCell migrationTissue repairCellBiomedical engineeringEngineeringBiologyImmunology

Résumé

récupéré en direct d'OpenAlex

In recent years, cell migration assays (CMAs) have emerged as a tool to study the migration of cells along with their physiological responses under various stimuli, including both mechanical and bio-chemical properties. CMAs are a generic system in that they support various biological applications, such as wound healing assays. In this paper, we review the development of the CMA in the context of its application to wound healing assays. As such, the wound healing assay will be used to derive the requirements on CMAs. This paper will provide a comprehensive and critical review of the development of CMAs along with their application to wound healing assays. One salient feature of our methodology in this paper is the application of the so-called design thinking; namely we define the requirements of CMAs first and then take them as a benchmark for various developments of CMAs in the literature. The state-of-the-art CMAs are compared with this benchmark to derive the knowledge and technological gap with CMAs in the literature. We will also discuss future research directions for the CMA together with its application to wound healing assays.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,003
Communication savante0,0030,004
Science ouverte0,0020,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 GPT0,303
Écart entre enseignants0,288 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207