MétaCan
Menu
← Retour à la cohorte
Enregistrement W148948523 · doi:10.1096/fasebj.21.5.a266-b

Plasma Amino Acid Analysis by Tandem Mass Spectrometry: A comparison to Amino acid analyzer

2007· article· en· W148948523 sur OpenAlexaff
AbdulRazaq Sokoro, Denis C. Lehotay, Wayne Hunter, Diana Schneider

Notice bibliographique

RevueThe FASEB Journal · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism and Genetic Disorders
Établissements canadiensUniversity of SaskatchewanSaskatchewan Disease Control LaboratorySaskatchewan HealthUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAmino acid analysisChemistryAmino acidChromatographyDerivatizationNinhydrinTandem mass spectrometryMass spectrometrySpectrum analyzerBiochemistry

Résumé

récupéré en direct d'OpenAlex

Objective: To validate use of tandem mass spectrometry in the analysis of plasma amino acids in comparison to a dedicated amino acid analyzer. Introduction: Plasma amino acid analysis in regularly performed on a dedicated amino acid analyzer that utilizes a ninhydrin based HPLC technique. Sample run times are long with no resolution between citrulline and homocitrulline. Method: 111 plasma samples were obtained on an anonymous basis and were anayzed on the Biochrome® and API2000 tandem mass spectrometry (MS/MS) for Ala, Arg, Cit, Gly, His, Leu, Met, Orn, Phe, Pro, Tyr, Homocit and Val. Sample preparation for MS/MS involved methanolic precipation, derivatization to the respective dibutyryl ester derivatives of the amino acids and detection by MS/MS. Results: All the amino acids showed good correction (r=0.92–0.99) between the two instruments. In addition, MS/MS was able to distinguish between Cit and Homocit, provided greater sensitivity and specificity and faster turn around time(TAT) (total TAT of 30 min). Conclusion: MS/MS can provide equal or even better service in amino acid analysis as is with dedicated amino acid analyzers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,010
Tête enseignante GPT0,260
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetMetabolism and Genetic Disorders→Travaux en français237 207→