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 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 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».