Exploiting the biological windows: current perspectives on fluorescent bioprobes emitting above 1000 nm
Notice bibliographique
Résumé
With the goal of developing more accurate, efficient, non-invasive and fast diagnostic tools, the use of near-infrared (NIR) light in the range of the second and third biological windows (NIR-II: 1000-1350 nm, NIR-III: 1550-1870 nm) is growing remarkably as it provides the advantages of deeper penetration depth into biological tissues, better image contrast, reduced phototoxicity and photobleaching. Consequently, NIR-based bioimaging has become a quickly emerging field and manifold new NIR-emitting bioprobes have been reported. Classes of materials suggested as potential probes for NIR-to-NIR bioimaging (using NIR light for the excitation and emission) are quite diverse. These include rare-earth based nanoparticles, Group-IV nanostructures (single-walled carbon nanotubes, carbon nanoparticles and more recently Si- or Ge-based nanostructures) as well as Ag, In and Pb chalcogenide quantum dots. This review summarizes and discusses current trends, material merits, and latest developments in NIR-to-NIR bioimaging taking advantage of the region above 1000 nm (i.e. the second and third biological windows). Further consideration will be given to upcoming probe materials emitting in the NIR-I region (700-950 nm), thus do not possess emissions in these two windows, but have high expectations. Overall, the focus is placed on recent discussions concerning the optimal choice of excitation and emission wavelengths for deep-tissue high-resolution optical bioimaging and on fluorescent bioprobes that have successfully been implemented in in vitro and in vivo applications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».