Improved imaging and preservation of lysosome dynamics using silver nanoparticle-enhanced fluorescence
Notice bibliographique
Résumé
The dynamics of living cells can be studied by live-cell fluorescence microscopy. However, this requires the use of excessive light energy to obtain good signal-to-noise ratio, which can then photobleach fluorochromes, and more worrisomely, lead to phototoxicity. Upon light excitation, noble metal nanoparticles such as silver nanoparticles (AgNPs) generate plasmons, which can then amplify excitation in direct proximity of the nanoparticle's surface and couple to the oscillating dipole of nearby radiating fluorophores, modifying their rate of emission and thus, enhancing their fluorescence. Here, we show that AgNPs fed to cells to accumulate within lysosomes enhanced the fluorescence of lysosome-targeted Alexa488-conjugated dextran, BODIPY-cholesterol, and DQ-BSA. Moreover, AgNP increased the fluorescence of GFP fused to the cytosolic tail of LAMP1, showing that metal enhanced fluorescence can occur across the lysosomal membrane. The inclusion of AgNPs in lysosomes did not disturb lysosomal properties such as lysosomal pH, degradative capacity, autophagy and autophagic flux, and membrane integrity, though AgNP seemed to increase basal lysosome tubulation. Importantly, by using AgNP, we could track lysosome motility with reduced laser power without damaging and altering lysosome dynamics. Overall, AgNP-enhanced fluorescence may be a useful tool to study the dynamics of the endo-lysosomal pathway while minimizing phototoxicity.
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) | 0,000 | 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 | 0,001 | 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 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 ».