MétaCan
Menu
Retour à la cohorte
Enregistrement W2896197860 · doi:10.1117/1.jbo.23.10.106006

In vivo photoacoustic difference-spectra imaging of bacteria using photoswitchable chromoproteins

2018· article· en· W2896197860 sur OpenAlexafffund
Ryan K. W. Chee, Yan Li, Wei Zhang, Robert E. Campbell

Notice bibliographique

RevueJournal of Biomedical Optics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesProstate Cancer CanadaCanadian Institutes of Health ResearchAlberta InnovatesAlberta Innovates - Technology FuturesNatural Sciences and Engineering Research Council of CanadaFondation Brain Canada
Mots-clésMolecular imagingPhotoacoustic imaging in biomedicinePreclinical imagingIn vivoOptical imagingBiophysicsChemistrySpectral imagingMaterials scienceOpticsPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Photoacoustic (PA) imaging offers great promise for deep molecular imaging of optical reporters but has difficulties in imaging multiple molecular probes simultaneously in a strong blood background. Photoswitchable chromoproteins like BphP1 have recently allowed for sensitive PA detection by reducing high-blood background signals but lack multiplexing capabilities. We propose a method known as difference-spectra demixing for multiplexing multiple photoswitchable chromoproteins and introduce a second photoswitchable chromoprotein, sGPC2. sGPC2 has a far-red and orange state with peaks at 700 and 630 nm, respectively. It is roughly one-tenth the size of BphP1 and photoswitches four times as fast (2.4% per mJ / cm2). We simultaneously image Escherichia coli expressing sGPC2 and BphP1 injected in mice in vivo. Difference-spectra demixing obtained successful multiplexed images of photoswitchable molecular probes, resulting in a 21.6-fold increase in contrast-to-noise ratio in vivo over traditional PA imaging and an 8% to 40% reduction in erroneously demixed signals in comparison with traditional spectral demixing. PA imaging and characterization were conducted using a custom-built photoswitching PA imaging system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,689

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,226 · 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 tête enseignante, 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

Citations36
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207