MétaCan
Menu
← Retour à la cohorte
Enregistrement W2999899077 · doi:10.26434/chemrxiv.8011268.v1

Dyes@BNNT Nanohybrids for Photostable Fluorescence Imaging

2019· preprint· en· W2999899077 sur OpenAlexaff
Charlotte Allard, Raffaela Nascimento, Frédéric Fossard, Léonard Schué, Emmanuel Flahaut, Annick Loiseau, P. Desjardins, Richard Martel, Étienne Gaufrès

Notice bibliographique

RevueChemRxiv · 2019
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversité du Québec à MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesnon disponible
Mots-clésFluorescencePhotodegradationNanotechnologyBoron nitridePhotochemistryPhotoluminescenceMaterials sciencePassivationChemistryPhotocatalysisOrganic chemistryOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Fluorescence is ubiquitous in life science and used in broad fields of research going from ecology to medicine. Among the most common fluorogenic compounds, dyes are being exploited in bioimaging for their outstanding optical properties across a broad range of wavelengths from the UV to the near-IR. However, dye molecules are often toxic to living organisms and photodegradable, giving limited time windows for in vivo monitoring. By encapsulating organic dyes inside a boron nitride nanotube (dyes@BNNT), we achieve a passivation of the dyes against photodegradation and chemical reaction. The dyes@BNNT nanohybrids contain aggregated and ordered dyes exhibiting strong photoluminescence with signal remaining stable and exempt of blinking over a time scale of more than 10^4 compared to free dyes. Our results also suggest reduced toxicity and exceptional chemical robustness even in harsh environments. The use of these 1D dyes@BNNT nanohybrids as fluorescence nanoprobes in bio-imaging is highlighted with in-vivo monitoring experiments on living Daphnia Pulex.

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 enseignants0,002
Score d'incertitude au seuil0,007

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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,275
Écart entre enseignants0,265 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxiv→Même sujetAdvanced biosensing and bioanalysis techniques→Travaux en français237 207→