Automation of a Capillary‐Wave Microbioreactor Platform to Enhance Phage Sensitivity Screen Efficiency
Notice bibliographique
Résumé
ABSTRACT To increase their throughput, reduce laboratory work and improve reproducibility, automation of bioprocesses is gaining in importance nowadays. This applies in particular to microbioreactors (MBRs), which can be easily integrated in highly parallelized and automated platforms and, therefore, be applied for screenings, cell‐based assays, and bioprocess development. One promising pharmaceutical application for MBRs is the performance of phage sensitivity tests called phagograms in phage therapy. However, there is no automated and parallelized platform available so far that fulfills the requirements of phagograms. Therefore, a novel highly parallelizable capillary‐wave microbioreactor (cwMBR) with a volume of 7 µL, which has already been successfully applied for phagograms, was extended by an in‐house built platform for automated fluid addition in the single‐digit nanoliter range. The cwMBR has a phage‐repellent hydrophilic glass surface. Furthermore, a custom‐made highly parallelizable device for biomass measurement in the lower microliter scale was developed and validated in the cwMBR. To prove the applicability of the platform for the generation of phagograms, a phagogram using Escherichia coli and automated phage addition was performed. The results indicate a clear lysis of the bacteria by the phages and thus confirm the applicability of performing automated phagograms in the highly parallelizable cwMBR platform.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».