MétaCan
Menu
Retour à la cohorte
Enregistrement W2499865505 · doi:10.1038/srep30892

Excitation Light Dose Engineering to Reduce Photo-bleaching and Photo-toxicity

2016· article· en· W2499865505 sur OpenAlexafffund
C. Boudreau, Tse-Luen Wee, Yan-Rung Duh, Melissa P. Couto, Kimya Hassani‐Ardakani, Claire M. Brown

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensMcGill University
Organismes subventionnairesMcGill UniversityUniversity of Virginia
Mots-clésMicroscopyMaterials scienceMicroscopeLaserLaser scanningOpticsScanning electron microscopeBiomedical engineeringMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

It is important to determine the most effective method of delivering light onto a specimen for minimal light induced damage. Assays are presented to measure photo-bleaching of fluorophores and photo-toxicity to living cells under different illumination conditions. Turning the light off during part of the experimental time reduced photo-bleaching in a manner proportional to the time of light exposure. The rate of photo-bleaching of EGFP was reduced by 9-fold with light pulsing on the micro-second scale. Similarly, in living cells, rapid line scanning resulted in reduced cell stress as measured by mitochondrial potential, rapid cell protrusion and reduced cell retraction. This was achieved on a commercial confocal laser scanning microscope, without any compromise in image quality, by using rapid laser scan settings and line averaging. Therefore this technique can be implemented broadly without any software or hardware upgrades. Researchers can use the rapid line scanning option to immediately improve image quality on fixed samples, reduce photo-bleaching for large high resolution 3D datasets and improve cell health in live cell experiments. The assays developed here can be applied to other microscopy platforms to measure and optimize light delivery for minimal sample damage and photo-toxicity.

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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,263
Écart entre enseignants0,256 · 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

Citations92
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207