"Sensor-in-fibre" optical probes for molecular sensing in the gastrointestinal tract of murine models
Bibliographic record
Abstract
L’obésité et les maladies cardiométaboliques sont des problèmes de santé publique dans les populations nordiques du Canada ainsi qu’à travers le monde. Il est actuellement proposé que l’augmentation de ces désordres est en partie causée par divers facteurs environnementaux qui génèrent des changements importants du microbiote intestinal. Cette communauté microbienne qui peuple notre tractus gastrointestinal joue un rôle clé dans le métabolisme de nutriments, mais peut aussi avoir des effets néfastes lorsque son équilibre avec l’hôte est perturbé. Cette compréhension a mis en évidence le manque d’outils prédictifs permettant un diagnostic rapide et efficace dans le domaine biomédical. L’analyse actuelle du microbiote est réalisée à posteriori au niveau des selles, ce qui requiert du personnel hautement qualifié de même que des procédures longues et dispendieuses. L’objectif de ce projet est de concevoir un capteur optique qui, une fois implanté dans l’intestin, permettra de détecter en temps réel des biomarqueurs clés produit par le microbiome intestinal. Dans le cadre d’une preuve de concept, une architecture fibrée simple permettant de mesurer quantitativement des variations de pH est démontrée. Contrairement aux capteurs fibrés traditionnels, la sonde optique de ce projet exploite l’onde évanescente générée sur la périphérie de l’interface pour exciter des nanomatériaux greffés dont les propriétés de fluorescence varient selon leur environnement chimique. Les mesures sont possibles grâce à un système optique mobile contrôlé par un logiciel convivial qui permet à un utilisateur nonexpert d’utiliser l’appareil. Les résultats confirment qu’avec un étalonnage préalable il est possible avec cette sonde modèle de prendre des mesures quantitatives du pH en temps réel in vitro. Les expériences préliminaires suggèrent que la sonde permet aussi de mesurer le pH en temps réel dans l’intestin in vivo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".