Measurement of cell surface protein dynamics by two-photon image correlation spectroscopy and image cross-correlation spectroscopy
Notice bibliographique
Résumé
Advances in laser-scanning microscopy and the advent of confocal microscopy permitted the development of image correlation spectroscopy (ICS). ICS is an imaging analog of fluorescence correlation spectroscopy (FCS) optimized for measuring the aggregation state of fluorescently labeled macromolecules on the surface of biological cells. The ICS method entails spatial autocorrelation analysis of fluorescence fluctuations within an image sampled from an area of the sample as well as temporal autocorrelation analysis of fluorescence fluctuations through a time series of images. Together, the spatial/temporal autocorrelation analysis enables measurement of fluorophore concentration, aggregation state and transport properties. ICS was first implemented on a confocal laser-scanning microscope (CLSM) using single photon excitation. More recently we have extended the method for two-photon ICS as well as image cross-correlation spectroscopy (ICCS). ICCS allows measurement of co-localization of non-identical molecules labeled with fluorophores of different emission wavelengths. We present a variety of applications of the ICS and ICCS methods in cellular systems. We will discuss the measurement of the transport and clustering properties of membrane receptors by single photon ICS and two-photon ICCS. As well, we will describe how spatial ICS may be used to quantify the distribution of fluorescently labeled dendritic spines in neurons.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».