MétaCan
Menu
Retour à la cohorte
Enregistrement W2157439378 · doi:10.7202/013817ar

Microscopie à deux photons pour l’imagerie cellulaire fonctionnelle : avantages et enjeux : ou Un photon c’est bien… mais deux c’est mieux !

2006· article· fr· W2157439378 sur OpenAlexaff
Pascal Dufour, Suzie Dufour, Annie Castonguay, Nathalie McCarthy, Yves De Koninck

Notice bibliographique

RevueÉrudit (Université de Montréal) · 2006
Typearticle
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensUniversité LavalInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

L’observation de la dynamique des événements moléculaires dans la cellule in situ présente une série de défis, notamment la capacité de suivre ces événements avec le maximum de résolution spatiale et temporelle tout en minimisant l’interférence avec la biologie du tissu et de la cellule. L’exploitation récente d’approches fondées sur l’optique non-linéaire, telle que la microscopie par balayage laser de fluorescence produite par excitation à deux photons, a permis de faire des progrès énormes dans ce domaine, notamment parce qu’elle permet de faire des mesures dans un espace très confiné à l’intérieur du tissu intact et à des profondeurs inaccessibles avec la microscopie linéaire conventionnelle. En minimisant l’excitation indésirable du tissu en dehors du point focal, on améliore la résolution et la sensibilité, on simplifie le système optique et on minimise la phototoxicité. Ces avantages sont à la source du succès de la microscopie à deux photons pour l’imagerie cellulaire fonctionnelle. Des percées récentes en optique/photonique permettent d’envisager d’améliorer davantage la résolution spatiale et temporelle de ce type d’imagerie et la capacité de sonder encore plus profondément dans le tissu pour repousser les limites de la biochimie fonctionnelle et de la biologie cellulaire actuelles.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,318
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,202 · 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.

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

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉrudit (Université de Montréal)Même sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207