Widefield Super-Resolution Infrared Spectroscopy and Imaging of Autofluorescent Biological Materials and Photosynthetic Microorganisms Using Fluorescence Detected Photothermal Infrared (FL-PTIR)
Notice bibliographique
Résumé
We have demonstrated high-speed, super-resolution infrared (IR) spectroscopy and chemical imaging of autofluorescent biomaterials and organisms using camera-based widefield photothermal detection that takes advantage of temperature-dependent modulations of autofluorescent emission. A variety of biological materials and photosynthetic organisms exhibit strong autofluorescence emission under ultraviolet excitation and the autofluorescent emission has a very strong temperature dependence, of order 1%/K. Illuminating a sample with pulses of IR light from a wavelength-tunable laser source causes periodic localized sample temperature increases that result in a corresponding transient decrease in autofluorescent emission. A low-cost light-emitting diode-based fluorescence excitation source was used in combination with a conventional fluorescence microscopy camera to detect localized variations in autofluorescent emission over a wide area as an indicator of localized IR absorption. IR absorption image stacks were acquired over a range of IR wavelengths, including the fingerprint spectral range, enabling extraction of localized IR absorption spectra. We have applied widefield fluorescence detected photothermal IR (FL-PTIR) to an analysis of autofluorescent biological materials including collagen, leaf tissue, and photosynthetic organisms including diatoms and green microalgae cells. We have also demonstrated the FL-PTIR on live microalgae in water, demonstrating the potential for label-free dynamic chemical imaging of autofluorescent cells.
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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».