Use of laser‐scanning confocal microscopy in the detection of diagenesis in bone
Notice bibliographique
Résumé
This research demonstrates the value of laser scanning confocal microscopy (LSCM) as a research tool in osteological studies, and diagenetic studies in particular. LSCM combines properties of light and scanning electron microscopy using laser light to excite fluorophores throughout the z-axis, developing a 3-D image. Using differential staining and selecting for specific wavelengths of light, one can image targeted materials. This research is divided into two parts: visualizing bone structures such as proteins and their decompositional products and visualizing diagenesis. Part one of this study utilized pig bones as a means of testing the overall ability of LSCM to fluoresce bone. Twenty-three samples were imaged, including 13 samples from a decompositional study conducted 5 years previous, and 10 "fresh" samples collected from a commercial butcher. This part of the study determined that protein and organic components of the bone could be fluoresced and diagenetic alteration could be imaged. The second part of the study used human samples as a means of imaging and mapping diagenetic alterations. The second part of the study used 13 samples, including 4 clinical, 7 ancient, and 2 modern controls. The pig study used Basic Fuchsin and SlowFade Gold stains, while the human study used toluidine blue. Images were also taken with unstained elements. The results of the non-human study found that a fresh bone fluoresced differently than that of a 5-year subset, while the results of the human study confirmed these findings and determined that the bone diagenesis can be mapped using LSCM.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».