MétaCan
Menu
Retour à la cohorte
Enregistrement W2137126316 · doi:10.1039/c4nr06545j

Local pH tracking in living cells

2015· article· en· W2137126316 sur OpenAlexaff
Chieh-Jui Tsou, Chih‐Hao Hsia, Jia-Yin Chu, Yann Hung, Yi‐Ping Chen, Fan‐Ching Chien, Keng C. Chou, Peilin Chen, Chung‐Yuan Mou

Notice bibliographique

RevueNanoscale · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEndocytosisFluorescenceNanoparticleTracking (education)ChemistryMesoporous silicaCondensationNanotechnologyEndocytic cycleParticle (ecology)Chemical engineeringMesoporous materialMaterials scienceCatalysisOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Continuous and simultaneous 3D single-particle movement and local pH detection in HeLa cells were demonstrated for the first time by combining fluorescent mesoporous silica nanoparticles (FMSNs) and a single-particle tracking (SPT) technique with a precision of ∼10 nm. FMSNs, synthesized by the co-condensation of both pH-sensitive and reference dyes with a silica/surfactant source, allow long-term reliable ratiometric pH measurements with a precision better than 0.3 pH unit because of their excellent brightness and stability. pH variation in the surrounding area of FMSNs during endocytosis was monitored in real-time. Acidification and low mobility of FMSNs were observed at the early endocytic stage, whereas basification and high mobility of FMSNs were observed at the late stage. Our results indicate that it is possible to monitor local pH changes in the environments surrounding nanoparticles during the cellular uptake process of FMSNs, which provides much needed information for designing an efficient drug delivery nanosystem.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,286
Écart entre enseignants0,273 · 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'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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207