Experimental and statistical methods for microrheological characterization of heterogeneity in human respiratory mucus mimics of health and disease progression
Notice bibliographique
Résumé
Human respiratory mucus (HRM) is extremely soft, compelling passive microrheology for linear viscoelastic characterization. We focus this study on the use of passive microrheology to characterize HRM heterogeneity, a phenomenon in normal HRM that becomes extreme during cystic fibrosis (CF) disease. Specifically, a fraction of the mucin polymers comprising HRM phase-separate into insoluble structures, called flakes, dispersed in mucin-depleted solution. We first reconstitute HRM samples to the MUC5B:MUC5AC mucin ratios consistent with normal and CF clinical samples, which we show recapitulate progressive flake formation and heterogeneity. We then employ passive particle tracking with 200 nm and 1 μm diameter beads in each reconstituted sample. To robustly analyze the tracking data, we introduce statistical denoising methods for low signal-to-noise tracking data within flakes, tested and verified using model-generated synthetic data. These statistical methods provide a fractional Brownian motion classifier of all successfully denoised, tracked beads in flakes and the dilute solution. From the ensemble of classifier data, per bead diameter and mucus sample, we then employ clustering methods to learn and infer multiple levels of heterogeneity: (i) tracked bead data within vs. outside flakes and (ii) within-flake data buried within or distinguishable from the experimental noise floor. Simulated data consistent with experimental data (within and outside flakes) are used to explore form(s) of the generalized Stokes–Einstein relation (GSER) that recover the dynamic moduli of homogeneous and heterogeneous truth sets of purely flakelike, dilute solution, and mixture samples. The appropriate form of GSER is applied to experimental data to show (i) flakes are heterogeneous with gel and sol domains; (ii) dilute solutions are heterogeneous with only sol domains; and (iii) flake and dilute solution properties vary with probe diameter.
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 | 0,007 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».