Combined Dielectric-Optical Characterization of Single Cells Using Dielectrophoresis-Imaging Flow Cytometry
Notice bibliographique
Résumé
In this paper, we present a microfluidic flow cytometer for simultaneous imaging and dielectric characterization of individual biological cells within a flow. Utilizing a combination of dielectrophoresis (DEP) and high-speed imaging, this system offers a dual-modality approach to analyze both cell morphology and dielectric properties, enhancing the ability to analyze, characterize, and discriminate cells in a heterogeneous population. A high-speed camera is used to capture images of and track multiple cells in real-time as they flow through a microfluidic channel. A wide channel is used, enabling analysis of many cells in parallel. A coplanar electrode array perpendicular to cell flow is incorporated at the bottom of the channel to perform dielectrophoresis-based dielectric characterization. A frequency-dependent voltage applied to the array produces a non-uniform electric field, translating cells to higher or lower velocity depending on their dielectric polarizability. In this paper, we demonstrate how cell size, obtained by optical imaging, and DEP response, obtained by particle tracking, can be used to discriminate viable and non-viable Chinese hamster ovary cells in a heterogeneous cell culture. Multiphysics electrostatic-fluid dynamics simulation is used to develop a relationship between cell incoming velocity, differential velocity, size, and the cell's polarizability, which can subsequently be used to evaluate its physiological state. Measurement of a mixture of polystyrene microspheres is used to evaluate the accuracy of the cytometer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».