Tissue Clearing To Localize Microplastics via Three-Dimensional Imaging of Whole Organisms
Notice bibliographique
Résumé
Understanding the biological impacts of plastic pollution requires an effective methodology to detect unlabeled microplastics in environmental samples. Detecting unlabeled microplastics in an organism generally requires a digestion protocol, which results in the loss of spatial information on the distribution of microplastic within the organism and could lead to the disappearance of the smaller plastics. Fluorescence microscopy allows visualization of ingested microplastics but many labeling strategies are nonspecific and label biomass, thus limiting our ability to distinguish internalized plastics. While prelabeled plastics can be used to avoid nonspecific labeling, this approach precludes the detection of environmental microplastics in organisms. Also, using prelabeled microplastics can affect the viability of the organism and impact plastic uptake. Thus, a method was developed that employs nonspecific labeling with a tissue-clearing technique. Briefly, unlabeled microplastics are stained with a fluorescent dye after ingestion by the organism. The tissue-clearing technique then removes tissue-bound dye while rendering the structurally intact organism transparent. The internalized plastics remain stained and can be visualized in the cleared tissue with fluorescence microscopy. The technique is demonstrated using polystyrene beads in living aquatic organisms Tigriopus californicus and Daphnia magna and by spiking a model vertebrate ( Cephalochordata ) with different microplastics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».