Heteronuclear Polarization Transfer under Steady-State Conditions: The INEPT-SSFP Experiment
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide NMR finds a wide range of applications, ranging from fundamental chemistry to medical imaging. The technique, however, has an inherently low signal-to-noise ratio (SNR)─particularly when dealing with nuclei having low natural abundances and/or low γs. In these cases, sensitivity is often enhanced by methods that, similar to INEPT, transfer polarization from neighboring 1 Hs via J -couplings. In 1958, Carr proposed an alternative approach to increase NMR sensitivity, which involves generating and continuously detecting a steady-state transverse magnetization, by applying a train of pulses on an ensemble of noninteracting spins. This study broadens Carr’s steady-state free precession (SSFP) framework to encompass the possibility of adding onto it coherent polarization transfers, allowing one to combine the SNR-enhancing benefits of both INEPT and SSFP into a single experiment. Herein, the derivation of the ensuing INEPT-SSFP (ISSFP) sequences is reported. Their use in 13 C NMR and MRI experiments leads to ca. 300% improvements in SNR/ unit time over conventional J -driven polarization transfer experiments, and sensitivity gains of over 50% over 13 C SSFP performed in combination with 1 H decoupling and NOE. These enhancements match well with numerical simulations and analytical evaluations. The conditions needed to optimize these new methods in both spectroscopic and imaging studies are discussed; we also examine their limitations, and the valuable vistas that, in both analytical and molecular imaging NMR, could be opened by this development.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».