Fluorescence and SEM correlative microscopy for nanomanipulation of subcellular structures
Notice bibliographique
Résumé
Nanomanipulation under scanning electron microscopy (SEM) enables direct interactions of a tool with a sample. We recently developed a nanomanipulation technique for the extraction and identification of DNA contained within sub-nuclear locations of a single cell nucleus. In nanomanipulation of sub-cellular structures, a key step is to identify targets of interest through correlating fluorescence and SEM images. The DNA extraction task must be conducted with low accelerating voltages resulting in low imaging resolutions. This is imposed by the necessity of preserving the biochemical integrity of the sample. Such poor imaging conditions make the identification of nanometer-sized fiducial marks difficult. This paper presents an affine scale-invariant feature transform (ASIFT) based method for correlating SEM images and fluorescence microscopy images. The performance of the image correlation approach under different noise levels and imaging magnifications was quantitatively evaluated. The optimal mean absolute error (MAE) of correlation results is 68±34 nm under standard conditions. Compared with manual correlation by skilled operators, the automated correlation approach demonstrates a speed that is higher by an order of magnitude. With the SEM-fluorescence image correlation approach, targeted DNA was successfully extracted via nanomanipulation under SEM conditions. A fast method for correlating scanning electron microscopy (SEM) and fluorescence images when handling subcellular objects has been acheived. Yu Sun of the University of Toronto, Canada, and co-workers in China and Canada developed the image correlation technique to improve the implementation of a method for extracting DNA from cells. Such correlation is essential, because SEM images lack sufficient contrast to enable structures of interest to be identified and because of the need to use low-energy (and hence low-resolution) SEM imaging to avoid damaging DNA. Their correlation technique employs image processing algorithms to automatically correlate the two microscopy techniques and is an order of magnitude faster than manual image correlation by skilled operators. The researchers have demonstrated the method's usefulness by using it to extract DNA from cells under SEM imaging.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».