MétaCan
Menu
Retour à la cohorte
Enregistrement W793556257 · doi:10.1038/srep11688

A versatile snap chip for high-density sub-nanoliter chip-to-chip reagent transfer

2015· article· en· W793556257 sur OpenAlexafffund
Huiyan Li, Jeffrey D. Munzar, Andy Ng, David Juncker

Notice bibliographique

RevueScientific Reports · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensMcGill UniversityMcGill University and Génome Québec Innovation Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésChipReagentMicrofluidicsFluidicsMicroscopeNanotechnologyMaterials scienceComputer scienceChemistryOpticsPhysicsTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

The coordinated delivery of minute amounts of different reagents is important for microfluidics and microarrays, but is dependent on advanced equipment such as microarrayers. Previously, we developed the snap chip for the direct transfer of reagents, thus realizing fluidic operations by only manipulating microscope slides. However, owing to the misalignment between arrays spotted on different slides, millimeter spacing was needed between spots and the array density was limited. In this work, we have developed a novel double transfer method and have transferred 625 spots cm(-2), corresponding to >10000 spots for a standard microscope slide. A user-friendly snapping system was manufactured to make liquid handling straightforward. Misalignment, which for direct transfer ranged from 150-250 μm, was reduced to <40 μm for double transfer. The snap chip was used to quantify 50 proteins in 16 samples simultaneously, yielding limits of detection in the pg/mL range for 35 proteins. The versatility of the snap chip is illustrated with a 4-plex homogenous enzyme inhibition assay analyzing 128 conditions with precise timing. The versatility and high density of the snap chip with double transfer allows for the development of high throughput reagent transfer protocols compatible with a variety of applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,022
Tête enseignante GPT0,274
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Biosensing Techniques and ApplicationsTravaux en français237 207