A blueprint for performing SERS measurements in tissue with plasmonic nanofibers
Notice bibliographique
Résumé
Plasmonic nanostructures have found increasing utility due to the increased popularity that surface-enhanced Raman scattering (SERS) has achieved in recent years. SERS has been incorporated into an ever-growing list of applications, with bioanalytical and physiological analyses having emerged as two of the most popular. Thus far, the transition from SERS studies of cultured cells to SERS studies involving tissue has been gradual and limited. In most cases, SERS measurements in more intact tissue have involved nanoparticles distributed throughout the tissue or localized to specific regions via external functionalization. Performing highly localized measurements without the need for global nanoparticle uptake or specialized surface modifications would be advantageous to the expansion of SERS measurements in tissue. To this end, this work provides critical insight with supporting experimental evidence into performing SERS measurements with nanosensors inserted in tissues. We address two critical steps that are otherwise underappreciated when other approaches to performing SERS measurements in tissue are used. Specifically, we demonstrate two mechanical routes for controlled positioning and inserting the nanosensors into the tissue, and we discuss two means of focusing on the nanosensors both before and after they are inserted into the tissue. By examining the various combinations of these steps, we provide a blueprint for performing SERS measurements with nanosensors inserted in tissue. This blueprint could prove useful for the general development of SERS as a tool for bioanalytical and physiological studies and for more specialized techniques such as SERS-optophysiology.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,006 |
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 ».