Statistical Correlation Between SERS Intensity and Nanoparticle Cluster Size
Notice bibliographique
Résumé
Surface enhanced Raman scattering (SERS) mapping of biomarkers has shown great promise in determining the distribution of proteins of interest in cells and tissues. Metallic nanoparticle (NP) probes are generally used in such mapping. Since SERS intensities from NPs are dependent on size, shape, and interparticle distance/distribution, it is unclear if this method can provide reliable biomarker quantification. To address this problem, we investigated a statistical approach to the quantification of SERS from SERS probe clusters. The investigation began by considering multiple biotinylated surfaces that had been exposed to pegylated NPs (designed for biological SERS mapping) functionalized with streptavidin (defined as SERS probes). The surfaces were imaged with a scanning electron microscope and SERS-mapped with a Raman microscope. Statistical distributions of the SERS probe clusters and mapped SERS intensities on the surfaces were developed. It was found that there was a smooth polynomial relationship between SERS intensity and probe cluster size. Our result is in contrast to the sharp, highly variable intensity increases observed in studies of unmodified NPs. Based on the polynomial relationship found, it is clear that pegylated NP SERS probes might be useful for quantification in the SERS mapping of biological material, as the SERS intensity can be potentially related back to the number of probes at the acquisition point.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».