Optimization of DNA chip hybridization using mixing with chaotic advection
Notice bibliographique
Résumé
La détection de séquences génétiques par la technologie des puces à ADN se heurte à des problèmes de fiabilité et de reproductibilité, dus en grande partie à des problèmes de mélange. Dans toute cette thèse, nous montrons à quel point le mélange par advection chaotique améliore les performances de ces puces. Pour cela nous comparons, par une étude principalement numérique, l'efficacité de deux protocoles de mélange basés sur le principe d'injection alternée et périodique de fluide (modèle puits/sources) : l'un utilise des seringues réversibles, l'autre des pompes recyclant le fluide extrait, conduisant globalement à un mélange bien plus efficace et rapide. En outre, nous mettons en évidence le rôle important de la géométrie de la chambre. Dans un second temps, nous introduisons un modèle de capture chimique entre les monobrins d'ADN libres en volume (cibles) et ceux fixés sur la puce (sondes). Nous montrons alors numériquement que la réaction est généralement grandement limitée par la diffusion, mais que l'advection chaotique améliore les choses de manière significative grâce au mélange. Ceci nous permet d'estimer les constantes de vitesses dans le cas statique (où la diffusion agit seule) et le cas dynamique (avec mélangeur). Enfin, profitant de l'opportunité d'un stage à l'Université de Sherbrooke, j'ai effectué un premier suivi en temps réel par SPR d'une cinétique de type "cibles en solution/sondes sur support" pour tenter de comparer les vitesses d'hybridation statique et dynamique (avec mélangeur).
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».