MétaCan
Menu
Retour à la cohorte
Enregistrement W2999309238 · doi:10.3791/60623

<sup>18</sup>F-Labeling of Radiotracers Functionalized with a Silicon Fluoride Acceptor (SiFA) for Positron Emission Tomography

2020· article· en· W2999309238 sur OpenAlexaff
David Connolly, Justin J. Bailey, Harun Ilhan, Peter Bartenstein, Carmen Wängler, Björn Wängler, Melinda Wuest, Frank Wuest, Ralf Schirrmacher

Notice bibliographique

RevueJournal of Visualized Experiments · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFluorideFluorineRadiochemistryElutionChemistryAcceptorSiliconIsotopic labelingNuclear chemistryInorganic chemistryChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The para-substituted di-tert-butylfluorosilylbenzene structural motif known as the silicon-fluoride acceptor (SiFA) is a useful tag in the radiochemist's toolkit for incorporating radioactive [18F]fluoride into tracers for use in positron emission tomography. In comparison to conventional radiolabeling strategies, isotopic exchange of fluorine-19 from SiFA with [18F]fluoride is carried out at room temperature and requires minimal reaction participants. The formation of by-products is thus negligible, and purification is greatly simplified. However, while the precursor molecule used for labeling and the final radiolabeled product are isotopically discrete, they are chemically identical and are thus inseparable during purification procedures. The SiFA tag is also susceptible to degradation under the basic conditions arising from the processing and drying of [18F]fluoride. The '4 drop method', wherein only the first 4 drops of eluted [18F]fluoride are used from the solid-phase extraction, reduces the amount of base in the reaction, facilitates lower molar amounts of precursor, and reduces degradation.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,010

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 Opus0,041
Tête enseignante GPT0,409
Écart entre enseignants0,369 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207