Less is More: Longer Exposure Times with Low Light Intensity is Less Photo-Toxic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fluorescence microscopy has been prevalent for more than a century [1] and the introduction of fluorescent probes has allowed for highly selective targets to be labeled and imaged with high sensitivity. The major advantage of fluorescence microscopy has been the ability to visualize these selective targets against a dark background, which has revolutionized the field of cell biology [2]. As such, it is not surprising that modern fluorescence microscopy is a foundational tool in most research laboratories. The discovery of green fluorescent protein (GFP) [3], the use of GFP as a genetic beacon [4], and the development of fluorescent proteins with an array of colors [5–8] have allowed researchers to use microscopy to observe fluorescently tagged proteins functioning in situ in living systems [9–19]. During the fluorescence process, secondary photo-physical processes can lead to the generation of reactive oxygen species (ROS), which can cause fluorophores to photo-bleach and can be photo-toxic to living systems. The basic fluorescence process itself is inefficient in that a considerable dose of light must be imposed on the system to achieve a significant emission of fluorescence light from the fluorophores [20]. In many cases the light dose delivered to living samples can be quite damaging and can create abnormalities in biological processes and cellular physiology [20]. Additionally, a cell can be more susceptible to photo-toxicity if that cell is already exposed to stress factors such as transfections, knockdowns of key proteins, or even changes in the pH of the cell culture medium [20].
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle