MétaCan
Menu
Retour à la cohorte
Enregistrement W2146694184 · doi:10.1021/cc050086y

Spectroscopically Encoded Resins for High Throughput Imaging Time-of-Flight Secondary Ion Mass Spectrometry

2005· article· en· W2146694184 sur OpenAlexaff
Sangki Chun, Jiyun Xu, Juan Cheng, Lunhan Ding, Nicholas Winograd, Hicham Fenniri

Notice bibliographique

RevueJournal of Combinatorial Chemistry · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueIon-surface interactions and analysis
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesNational Institute of Biomedical Imaging and Bioengineering
Mots-clésMass spectrometrySecondary ion mass spectrometryMonomerRaman spectroscopyChemistryPolymerTime-of-flight mass spectrometryMaterials scienceAnalytical Chemistry (journal)IonChromatographyOrganic chemistryOptics

Résumé

récupéré en direct d'OpenAlex

Spectroscopic barcoding was recently introduced as a new pre-encoding strategy wherein the resin beads are not just carriers for solid phase synthesis, but are, in addition, the repository of the synthetic scheme to which they were subjected. To expand the repertoire of spectroscopically barcoded resins (BCRs), here we introduce a new family of halogenated polystyrene-based polymers designed for high-throughput combinatorial analysis using not only infrared and Raman spectroscopy but also imaging time-of-flight secondary ion mass spectrometry (ToF-SIMS). In particular, we have established that (a) the halogen content of these new resins can be used as an encoding element in quantitative imaging ToF-SIMS and (b) the number of styrene monomers used to generate unique vibrational fingerprints can be significantly reduced by using monomers in different molar ratios. The combination of quantitative imaging ToF-SIMS and vibrational spectroscopy is anticipated to dramatically increase the repertoire of possible BCRs from a few hundreds to several thousands.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,003
Tête enseignante GPT0,215
Écart entre enseignants0,212 · 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

Citations19
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial ChemistryMême sujetIon-surface interactions and analysisTravaux en français237 207