MétaCan
Menu
Retour à la cohorte
Enregistrement W2156184135 · doi:10.1021/ac302572k

Three-Color Fluorescence Cross-Correlation Spectroscopy for Analyzing Complex Nanoparticle Mixtures

2012· article· en· W2156184135 sur OpenAlexafffund
Megan L. Blades, Ekaterina Grekova, Holly Wobma, Kun Chen, Warren C. W. Chan, David T. Cramb

Notice bibliographique

RevueAnalytical Chemistry · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueQuantum Dots Synthesis And Properties
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCalifornia HIV/AIDS Research Program
Mots-clésChemistryMacromoleculeDissociation (chemistry)Quantum dotFluorescence correlation spectroscopyNanomaterialsFluorescenceSpectroscopyFluorescence spectroscopyNanoparticleNanotechnologyChemical physicsAnalytical Chemistry (journal)MoleculeChromatographyPhysical chemistryOpticsOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Further insight toward the complex association and dissociation events of macromolecules requires the development of a spectroscopic technique that can track individual components, or building blocks of these macromolecules, and the complexes which they form, in real time. Three-color fluorescence cross-correlation spectroscopy (3C-FCCS) has been shown to track assemblies of three spectrally labeled species in solution. Here, we clearly show that 3C-FCCS is capable of distinguishing beads barcoded with quantum dots from free quantum dots in the background despite the 800-to-1 difference in concentration of these two components. The validation of this spectroscopic technique in combination with the development of barcode labels would enable one to start to investigate complex association and dissociation kinetics of macromolecules and nanomaterials during the assembly process.

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 seuil0,007

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,308
Écart entre enseignants0,267 · 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

Citations11
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetQuantum Dots Synthesis And PropertiesTravaux en français237 207