MétaCan
Menu
Retour à la cohorte
Enregistrement W2024759455 · doi:10.1016/j.jala.2007.09.002

Assessing Near-Infrared Quantum Dots for Deep Tissue, Organ, and Animal Imaging Applications

2008· article· en· W2024759455 sur OpenAlexaff
Wen Jiang, Anupam Singhal, Betty Y.S. Kim, Jianing Zheng, James T. Rutka, Chen Wang, Warren C. W. Chan

Notice bibliographique

RevueJALA Journal of the Association for Laboratory Automation · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensHospital for Sick ChildrenMount Sinai HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésQuantum dotNanotechnologyBiomoleculeBiocompatible materialOptical imagingIn vivoNear-infrared spectroscopyPreclinical imagingMolecular imagingMaterials scienceCancer detectionBiomedical engineeringBiologyOpticsCancerPhysicsNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

Semiconductor quantum dots (Qdots) have emerged as novel ultrasensitive optical probes to target, detect, and image fundamental events occurring within the biological system. In particular, near-infrared (near-IR) Qdots holds great promise as in vivo contrast agents for real-time bioimaging capabilities. In this study, biocompatible near-IR Qdots are used to image organs, tissues, and cells. Compared to visible Qdots, we obtained a significant enhancement in signal detection sensitivity for imaging deep tissues and organs. In addition, biomolecules were used to target these optical contrast agents for multiplexed imaging of cells and organs in vivo. The ability to simultaneously distinguish emission profiles of multiple near-IR Qdots will likely emerge as important tools for addressing fundamental questions in molecular biology and in medical sciences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,267
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 tête enseignante, 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

Citations31
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJALA Journal of the Association for Laboratory AutomationMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207