MétaCan
Menu
Retour à la cohorte
Enregistrement W4387299229 · doi:10.1021/acs.nanolett.3c00562

Extracellular Vesicle Refractive Index Derivation Utilizing Orthogonal Characterization

2023· article· en· W4387299229 sur OpenAlexafffund
Michelle L. Pleet, Sean Cook, Vera A. Tang, Emily Stack, Verity J. Ford, Joanne Lannigan, Ngoc Do, E. A. Wenger, Jean-Luc Fraikin, Steven Jacobson, Jennifer Jones, Joshua A Welsh

Notice bibliographique

RevueNano Letters · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Center for Advancing Translational SciencesNIH Clinical CenterNational Cancer InstituteProstate Cancer FoundationNational Institutes of HealthMultiple Sclerosis SocietyUniversity of OttawaNational Multiple Sclerosis Society
Mots-clésNanoparticle tracking analysisRefractive indexOpticsParticle (ecology)Mie scatteringLight scatteringRefractometryMaterials scienceNanoparticleCharacterization (materials science)PopulationParticle sizeScatteringNanotechnologyPhysicsChemistryMicrovesicles

Résumé

récupéré en direct d'OpenAlex

The analysis of small particles, including extracellular vesicles and viruses, is contingent on their ability to scatter sufficient light to be detected. These detection methods include flow cytometry, nanoparticle tracking analysis, and single particle reflective image sensing. To standardize measurements and enable orthogonal comparisons between platforms, a quantifiable limit of detection is required. The main parameters that dictate the amount of light scattered by particles include size, morphology, and refractive index. To date, there has been a lack of accessible techniques for measuring the refractive index of nanoparticles at a single-particle level. Here, we demonstrate two methods of deriving a small particle refractive index using orthogonal measurements with commercially available platforms. These methods can be applied at either a single-particle or population level, enabling the integration of diameter and scattering cross section values to derive the refractive index using Mie theory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,243
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetExtracellular vesicles in diseaseTravaux en français237 207