MétaCan
Menu
Back to cohort
Record W3136221827 · doi:10.82308/36494

Axonal migration and turning investigated through surface-bound digital nanodot gradients

2015· article· en· W3136221827 on OpenAlexfundno aff
Sébastien G. Ricoult

Bibliographic record

VenueeScholarship@McGill (McGill) · 2015
Typearticle
Languageen
FieldNeuroscience
TopicNeuroscience and Neural Engineering
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchMcGill UniversityMolson FoundationKillam TrustsMinistère du Développement Économique, de l’Innovation et de l’Exportation
KeywordsNanodotComputer scienceGeologyMaterials scienceNanotechnology

Abstract

fetched live from OpenAlex

L'haptotaxis, ou la migration de cellules en réponse à un repère lié à la surface, est un processus critique pour la connexion du système nerveux. Malgré son importance, les études de ce mécanisme ont été limitées en grande partie en raison des contraintes inhérentes aux méthodes disponibles pour produire des gradients complexes de protéines liées au substrat. Dans cette thèse, nous avons développé une méthode pour créer facilement et de manière fiable des gradients de protéines liées au substrat, puis appliqué cette méthode pour étudier la navigation axonale sur des gradients de nétrine-1 et de polylysine. Dans le chapitre 2, nous présentons de nouveaux modèles pour créer des dégradés de nanopoints de protéines où l'espacement entre les points est modifié dans des directions X et Y pour modifier la densité. Nous avons pu atteindre une plage dynamique sans précédent pour ces gradients numériques de nanodots. Nous rapportons ensuite une méthode d'impression par contact à l'échelle nanométrique de lift-off à faible coût pour créer des gradients de protéines liées au substrat avec des nanopoints de protéines aussi petites que 100 nm de diamètre. Dans le chapitre 3, nous avons créé des tests quantitatifs pour pour étudier la surface de référence non imprimée, ou la surface de référence, qui ont servi à établir des comparaisons entre la réponse de différentes cellules et surfaces ainsi que d'articuler le concept d'affinité cellulaire à la surface. Nous avons utilisé cette méthode pour identifier un environnement dans lequel les cellules répondent à des motifs protéiques liés au substrat par des mécanismes spécifiques de transduction biochimiques. Nous démontrons par l'application de ces méthodes que les myoblastes C2C12 migrent sur des gradients de nétrine-1. Dans le chapitre 4, nous avons utilisé une matrice de 100 gradients distincts, imprimés en 10 minutes, pour étudier la navigation de neurones corticaux et spinaux commissure. Les gradients dans la matrice diffèrent en géométrie et le tableau a été imprimé en utilisant soit la nétrine-1 ou polylysine. La mise en œuvre de la matrice a révélé que les neurones corticaux présentent une réponse de braquage relativement forte sur des gradients de nétrine-1 de nanopoints numériques d'arrangement ordonné aux courbes exponentielles peu profondes. Le travail présenté dans cette thèse a pour objectif de faciliter l'étude de l'haptotaxis. Il fournit une approche pour créer des gradients liés au substrat par le biais de nouveaux algorithmes complexes, un moyen pour convertir ces designs numériques en gradients de protéines imprimés, et un moyen pour modifier la surface de référence pour assurer une réponse cellulaire souhaitée. En outre, les résultats acquis de nos études sur la navigation de neurones sur des gradients de différentes géométries forment les bases pour de nouvelles études. Comme les gradients sont stables grâce à leur liaison à la surface, d'autres composants peuvent être facilement ajoutés à notre procédé. Par exemple, des médicaments pharmacologiques pourraient être appliqués en solution pour identifier un composé qui favorise la migration, les cellules transfectées exprimant des protéines fluorescentes peuvent être cultivées sur les schémas et visualisés en temps réel avec un microscope à fluorescence pour étudier la formation d'adhésions focales, ou des neurones avec des mutations génétiques pourraient être testés sur les gradients pour voir comment ces mutations impactent la navigation spécifique aux protéines liées à la surface.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.025
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0000.004
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.062
GPT teacher head0.248
Teacher spread0.186 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)Same topicNeuroscience and Neural EngineeringFrench-language works237,207