MétaCan
Menu
Retour à la cohorte
Enregistrement W4405223739 · doi:10.29105/qh13.02-412

A Versatile DIY 3D Printed Device for the Preparation of Gian Lipid Vesicles as Model Membranes by Electroformation: Design and Fabrication

2024· article· es· W4405223739 sur OpenAlexaff
Ana Salinas de Frías, Cristina Flores Cadengo, Pablo Luis Hernández‐Adame, Francisco Bañuelos Ruedas, Lazaro Canizalez DavaIos, Leo Alvarado Perea, A López

Notice bibliographique

RevueQuimica Hoy · 2024
Typearticle
Languees
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensBC Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesVesicleNanotechnologyCrystallographyChemistryMembraneMaterials sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Una forma sencilla de estudiar las propiedades de la membrana celular y su interacción con otras moléculas es mediante el uso de sistemas modelo con la misma estructura básica. Estos utilizan unos pocos componentes básicos que simulan las condiciones de la membrana plasmática y se han utilizado ampliamente para estudiar las propiedades de las membranas biológicas. Entre estos sistemas modelo, podemos encontrar mono capas de Langmuir, bicapas soportadas y vesículas lipídicas. Las vesículas lipídicas son particularmente interesantes debido a que su estructura esférica imita a las membranas celulares. Entre los diferentes procedimientos para preparar GUV's (vesículas unilamelares gigantes), la electroformación destaca porque las vesículas producidas por este método son en su mayoría más grandes que 100 nm y unilamelares, lo que las hace fácilmente visibles mediante microscopía óptica convencional. Aunque existen dispositivos comerciales disponibles, generalmente se fabrican equipos personalizados de manera artesanal. Este trabajo describe el diseño y la fabricación de un dispositivo sencillo y versátil impreso en 3D para preparar vesículas lipídicas gigantes utilizando el método de electroformación. El dispositivo ha sido diseñado para fijarse en la platina del microscopio.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,102
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,284
Écart entre enseignants0,272 · 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 tête enseignante, 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuimica HoyMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207