Phospholipids of Plasma Lipoproteins, Red Blood Cells and Atheroma, Analysis of
Notice bibliographique
Résumé
Abstract The large number of lipid classes and great complexity of molecular species present in blood plasma, red cells, platelets and atheromatous lesions requires a combination of analytical techniques for comprehensive analyses, including chemical and enzymatic derivatization of samples. In many instances only partial analyses are required, which can be accomplished by specific analytical techniques. This chapter describes the full spectrum of the methodology ranging from the most basic thin‐layer chromatography (TLC) to the detailed mass spectrometric assays. Traditional sample extraction by liquid–liquid partition is time‐consuming and involves large volumes of solvents. Liquid–solid extraction using adsorbent cartridges is more economical. At the present time total lipid extracts can be effectively assayed for lipid class content and molecular species composition by flow injection tandem mass spectrometry (MS/MS), while a more detailed analysis of complex lipid mixtures is provided by a combination of liquid chromatography with on‐line electrospray mass spectrometry (LC/ESMS). The new techniques permit completion of the analyses in a few hours, where previously several days or weeks may have been required. The soft ionization mass spectrometric techniques have permitted the recognition and detailed analysis of such minor components of blood as the lipid oxidation and glycation products often observed in disease.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».