MétaCan
Menu
Retour à la cohorte
Enregistrement W4412884634 · doi:10.1021/acs.nanolett.5c02232

Multiparametric Characterization of Individual Suspended Nanoparticles Using Confocal Fluorescence and Interferometric Scattering Microscopy with Microfluidic Confinement

2025· article· en· W4412884634 sur OpenAlexafffund
Eric Boateng, Erik Olsén, Albert Kamanzi, Yao Zhang, Bin Zhao, Pieter R. Cullis, Sabrina Leslie

Notice bibliographique

RevueNano Letters · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaCanadian Institutes of Health ResearchNanoMedicines Innovation NetworkMitacsVetenskapsrådetKillam Trusts
Mots-clésCharacterization (materials science)Confocal microscopyMicrofluidicsMaterials scienceMicroscopyInterferometryFluorescenceConfocalFluorescence microscopeNanotechnologyNanoparticleScatteringOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Detailed characterization of the size, mass, payload, and structure of suspended mRNA-lipid nanoparticles (LNPs) is necessary to improve our understanding of how these heterogeneous properties influence therapeutic efficacy and potency. Methods currently in use face limitations in reporting ensemble-average particle properties or requiring dedicated home-built microscopes that are beyond the reach of nanoparticle developers. In this work, we overcome these limitations by combining a commercially available confocal microscope and a convex lens-induced confinement (CLiC) instrument to achieve simultaneous characterization and correlation of the size, mass, refractive index, and nucleic acid payload of individual LNPs. We established the accuracy and precision of our method using nanosized beads and used it to investigate the size, payload, and water content of LNPs in different solvent pH. By employing readily available microscopy tools, we open the door to widespread adoption of our quantitative, in-solution nanoparticle characterization method.

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 enseignants0,007
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
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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

Citations6
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207