MétaCan
Menu
Retour à la cohorte
Enregistrement W853239226 · doi:10.1038/srep13070

Bacterial floc mediated rapid streamer formation in creeping flows

2015· article· en· W853239226 sur OpenAlexaff
Mahtab Hassanpourfard, Zahra Nikakhtari, Ranajay Ghosh, Siddhartha Das, Thomas Thundat, Yang Liu, Aloke Kumar

Notice bibliographique

RevuearXiv (Cornell University) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrochannelMicrofluidicsReynolds numberMechanicsNanotechnologyBiophysicsElasticity (physics)Chemical physicsChemistryMaterials sciencePhysicsBiologyTurbulenceComposite material

Résumé

récupéré en direct d'OpenAlex

One of the central puzzles concerning the interaction of low Reynolds number (Re<<1) fluid transport with bacterial biomass is the formation of filamentous structures called streamers. In this manuscript, we report our discovery of a new kind of low Re bacterial streamers, which appear from pre-formed bacterial flocs. In sharp contrast to the biofilm-mediated streamers, these streamers form over extremely small timescales (less than a second). Our experiments, carried out in a microchannel with micropillars rely on fluorescence microscopy techniques to illustrate that floc-mediated streamers form when a freely-moving floc adheres to the micropillar wall and gets rapidly sheared by the background flow. We also show that at their inception the deformation of the flocs is dominated by recoverable large strains indicating significant elasticity. These strains subsequently increase tremendously to produce filamentous streamers. Interestingly, we find that these fully formed streamers are not static structures and show viscous response at time scales larger than their formation time scales. Finally we show that such novel streamer formation can lead to rapid clogging of microfluidic devices.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,058
Tête enseignante GPT0,154
Écart entre enseignants0,096 · 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'étudeObservationnel
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

Citations39
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207