A Microfluidic Barrier-on-Chip Platform with Integrated Porous Membrane Cell–Substrate Impedance Spectroscopy
Notice bibliographique
Résumé
Organ-on-chip (OOC) systems that recapitulate microenvironmental features like coculture, fluid shear stress, and extracellular matrix are useful for modeling biological barriers. OOC barrier integrity measurements are often done by trans-endothelial/epithelial electrical resistance (TEER) measurement, but this approach is confounded by nonuniform current distribution and interference from biomaterials typical to such systems. We addressed this gap by incorporating gold leaf porous membrane electrical cell–substrate impedance sensing (PM-ECIS) electrodes (diameters of 250, 500, or 750 μm) into a biocompatible tape-based barrier-on-chip (BOC) platform. PM-ECIS measurements were robust to fluid shear (5 dyn/cm 2 ) in cell-free devices, yet highly sensitive to flow-induced changes in an endothelial barrier model. Perfusion (0.06 dyn/cm 2 ) corresponded to significant decreases in impedance at 40 kHz ( p < 0.01 for 750, 500 μm electrodes) and resistance at 4 kHz ( p < 0.05 for all electrode sizes) relative to static control, with minimum values reached 6.5–9.5 h after flow induction. We also demonstrated that PM-ECIS is robust to the presence of hydrogel, and unlike chopstick TEER, has the measurement sensitivity to detect human brain microvascular endothelial monolayers in a hydrogel coculture model. The sensitive, noninvasive, real-time measurements of barrier function in microfluidic PM-ECIS setups makes it well-suited for OOC applications that include features like 3D coculture, biomaterials, and shear stress.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».