A novel near-infrared nanomaterial with high quantum efficiency and its applications in real time <i>in vivo</i> imaging
Notice bibliographique
Résumé
Abstract Fluorescence imaging signal is severely limited by the quantum efficiency and emission wavelength. To overcome these challenges, novel NIR-emitting K 5 NdLi 2 F 10 nanoparticles under NIR excitation was introduced as fluorescence imaging probe for the first time. The photostability of K 5 NdLi 2 F 10 nanoparticles in the water, phosphate buffer saline, fetal bovine serum and living mice was investigated. The fluorescence signal was detected with depths of 3.5 and 2.0 cm in phantom and pork tissue, respectively. Fluorescence spectrum with a significant signal-to-background ratio of 10:1 was captured in living mice. Moreover, clear NIR images were virtualized for the living mice after intravenous injection. The imaging ability of nanoparticles in tumor-beard mice were evaluated, the enrichment of K 5 NdLi 2 F 10 nanoparticles in tumor site due to the enhanced permeability and retention effect was confirmed. The systematic studies of toxicity, bio-distribution and in-vivo dynamic imaging suggest that these materials give high biocompatibility and low toxicity. These NIR-emitting nanoparticles with high quantum efficiency, high penetration and low toxicity might facilitate tumor identification in deep tissues more sensitively.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».