Detection of stiff nanoparticles within cellular structures by contact resonance atomic force microscopy subsurface nanomechanical imaging
Notice bibliographique
Résumé
Detecting stiff nanoparticles buried in soft biological matrices by atomic force microscopy (AFM) based techniques represents a new frontier in the field of scanning probe microscopies, originally developed as surface characterization methods. Here we report the detection of stiff (magnetic) nanoparticles (NPs) internalized in cells by using contact resonance AFM (CR-AFM) employed as a potentially non-destructive subsurface characterization tool. Magnetite (Fe3O4) NPs were internalized in microglial cells from cerebral cortices of mouse embryos of 18 days by phagocytosis. Nanomechanical imaging of cells was performed by detecting the contact resonance frequencies (CRFs) of an AFM cantilever held in contact with the sample. Agglomerates of NPs internalized in cells were visualized on the basis of the local increase in the contact stiffness with respect to the surrounding biological matrix. A second AFM-based technique for nanomechanical imaging, i.e., HarmoniX™, as well as magnetic force microscopy and light microscopy were used to confirm the CR-AFM results. Thus, CR-AFM was demonstrated as a promising technique for subsurface imaging of nanomaterials in biological samples.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».