MétaCan
Menu
Retour à la cohorte
Enregistrement W4400147143 · doi:10.1021/acsbiomaterials.3c01898

Sensitivity and Validation of Porous Membrane Electrical Cell Substrate Impedance Spectroscopy (PM-ECIS) for Measuring Endothelial Barrier Properties

2024· article· en· W4400147143 sur OpenAlexafffund
Alisa Ugodnikov, Oleg Chebotarev, Henrik Persson, Craig A. Simmons

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensTed Rogers Centre for Heart ResearchUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Centre of Innovation
Mots-clésMaterials scienceDielectric spectroscopySubstrate (aquarium)PorosityMembraneSensitivity (control systems)Electrical impedanceSpectroscopyNanotechnologyNuclear magnetic resonanceComposite materialChemistryElectrodeElectrochemistryElectronic engineeringElectrical engineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Measurement of endothelial and epithelial barrier integrity is important for a variety of in vitro models, including Transwell assays, cocultures, and organ-on-chip platforms. Barrier resistance is typically measured by trans-endothelial electrical resistance (TEER), but TEER is invasive and cannot accurately measure isolated monolayer resistance in coculture or most organ-on-chip devices. These limitations are addressed by porous membrane electrical cell–substrate impedance sensing (PM-ECIS), which measures barrier integrity in cell monolayers grown directly on permeable membranes patterned with electrodes. Here, we advanced the design and utility of PM-ECIS by investigating its sensitivity to working electrode size and correlation with TEER. Gold electrodes were fabricated on porous membrane inserts using hot embossing and UV lithography, with working electrode diameters of 250, 500, and 750 μm within the same insert. Sensitivity to resistance changes (4 kHz) during endothelial barrier formation was inversely proportional to electrode size, with the smallest being the most sensitive ( p < 0.001). Similarly, smaller electrodes were most sensitive to changes in impedance (40 kHz) corresponding to cell spreading and proliferation ( p < 0.001). Barrier disruption with both EGTA and thrombin was detectable by all electrode sizes. Resistances measured by PM-ECIS vs TEER for sodium chloride solutions were positively and significantly correlated for all electrode sizes ( r > 0.9; p < 0.0001), but only with 750 μm electrodes for endothelial monolayers ( r = 0.71; p = 0.058). These data inform the design and selection of PM-ECIS electrodes for specific applications and support PM-ECIS as a promising alternative to conventional TEER for direct, noninvasive, real-time assessment of cells cultured on porous membranes in conventional and organ-on-chip barrier models.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,242
Écart entre enseignants0,213 · 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'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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetNeuroscience and Neural EngineeringTravaux en français237 207