Dynamic SERS nanosensor for neurotransmitter sensing near neurons
Notice bibliographique
Résumé
Current electrophysiology and electrochemistry techniques have provided unprecedented understanding of neuronal activity. However, these techniques are suited to a small, albeit important, panel of neurotransmitters such as glutamate, GABA and dopamine, and these constitute only a subset of the broader range of neurotransmitters involved in brain chemistry. Surface-enhanced Raman scattering (SERS) provides a unique opportunity to detect a broader range of neurotransmitters in close proximity to neurons. Dynamic SERS (D-SERS) nanosensors based on patch-clamp-like nanopipettes decorated with gold nanoraspberries can be located accurately under a microscope using techniques analogous to those used in current electrophysiology or electrochemistry experiments. In this manuscript, we demonstrate that D-SERS can measure in a single experiment ATP, glutamate (glu), acetylcholine (ACh), GABA and dopamine (DA), among other neurotransmitters, with the potential for detecting a greater number of neurotransmitters. The SERS spectra of these neurotransmitters were identified with a barcoding data processing method and time series of the neurotransmitter levels were constructed. The D-SERS nanosensor was then located near cultured mouse dopaminergic neurons. The detection of neurotransmitters was performed in response to a series of K + depolarisations, and allowed the detection of elevated levels of both ATP and dopamine. Control experiments were also performed near glial cells, showing only very low basal detection neurotransmitter events. This paper demonstrates the potential of D-SERS to detect neurotransmitter secretion events near living neurons, but also constitutes a strong proof-of-concept for the broad application of SERS to the detection of secretion events by neurons or other cell types in order to study normal or pathological cell functions.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».