MétaCan
Menu
Retour à la cohorte
Enregistrement W2784736046 · doi:10.1149/ma2018-01/6/677

Optical Properties of Dyes Confined into Carbon and Boron Nitride Nanotubes for Multimodal Bio-Imaging

2018· article· en· W2784736046 sur OpenAlexaff
Étienne Gaufrès, Charlotte Allard, Rafaella Oliveira do Nascimento, Frédéric Fossard, Emmanuel Flahaut, Annick Loiseau, Richard Martel

Notice bibliographique

RevueECS Meeting Abstracts · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensRegroupement Québécois sur les Matériaux de PointeUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPhotobleachingLuminescencePhotoluminescenceCarbon nanotubeMaterials scienceRaman spectroscopyBoron nitrideNanotechnologyNanotubeRaman scatteringFluorescenceOptoelectronicsOptics

Résumé

récupéré en direct d'OpenAlex

Nanotubes attracted a lot of interest as 1D nano-porous materials for the encapsulation and aggregation control of organic dyes molecules. Indeed, the 1D confinement drives the stacking of the molecules inside and enables original aggregation effects on their optical properties (1,2). When encapsulated inside carbon nanotube, organics dyes such as 6T, exhibits for example a strong and specific Raman scattering but their luminescence is efficiently quenched by the nanotube (3). Here we show that the same dyes, when encapsulated inside boron nitride nanotubes (6T@BNNT) exhibits strong luminescence (4). Photoluminescence imaging experiments on individualized 6T@BNNT show that the encapsulation also circumvent the photobleaching issue over days under continuous photo-excitation. Finally we show that these hybrid materials, with specific luminescence and/or Raman fingerprints, can act as robust nanoprobes with reduced toxicity in living system such as Daphnia Pulex, for multimodal imaging from the visible to the near infrared range. (4) (1) E. Gaufrès et al Nature Photon. (2014) (2) S. Cambré et al Nature Nano (2015) (3) E. Gaufrès et al ACS Nano (2016) (4) E. Gaufrès et al (submitted)

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,298
Écart entre enseignants0,260 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207