Quantification of gold nanoparticles in histologically thin tissue slices using <scp>TXRF</scp>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The promise of gold nanoparticles (AuNPs) in cancer applications remains an active area of research. The assessment of tumoral uptake can provide valuable insights into their intended efficacy. Total X‐ray reflection fluorescence (TXRF) spectroscopy offers low detection limits coupled with direct quantification through internal standardization. These features enable TXRF to measure uptake of AuNPs in the presence of organic matrix. In this work, we demonstrate TXRF's ability to directly quantify AuNP concentration in slices of tissue. Bovine liver was cut into 5 μm thin slices, and 10 nm reference material AuNPs were deposited either above or below the tissue. The tissue slice was then spiked with a lanthanum (La) internal standard. In order to extend the investigation to homogenous samples, a TOPAS‐based simulation toolkit was used to model Au‐containing tissue. Additionally, scanning electron microscopy (SEM) was used to examine the distribution of the Au and La on the tissue slices, revealing elemental uniformity on the tissue surface. The experimental and simulation results revealed nearly 100% quantification accuracy of AuNPs in all permutations of sample configuration—making TXRF a viable option for assessment of tumoral AuNP uptake with minimal sample preparation.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle