Notice bibliographique
Résumé
Concentric Förster resonance energy transfer (cFRET) configurations based on semiconductor quantum dots (QDs) are promising probes for biological sensing because they offer multiplexing capability in a single vector with robust ratiometric detection by exploiting a network of FRET pathways. To expand the scope and utility of cFRET probes, it is necessary to develop and validate cFRET imaging methodology. In this technical note, we present such a methodology using a protease-sensitive cFRET configuration that comprises a green-emitting QD, Alexa Fluor 555 (A555), and Alexa Fluor 647 (A647). Photoluminescence (PL) images were acquired with three filter-based emission channels to permit measurement of A555/QD and A647/QD PL ratios. With reference to calibration samples, these PL ratios were used to calculate quantitative progress curves for proteolytic activity in regions of interest in the acquired images. Importantly, the imaging methodology reproduces quantitative results obtained with a monochromator-based fluorescence plate reader. Spatiotemporal resolution is demonstrated by tracking the activity of two prototypical proteases, trypsin and chymotrypsin, as they diffuse down the length of a capillary. This methodology is expected to enable the future use of cFRET probes for cellular sensing and other imaging assays.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».