A robust capillary liquid chromatography/tandem mass spectrometry method for quantitation of neuromodulatory endocannabinoids
Notice bibliographique
Résumé
RATIONALE: Methods for quantifying anandamide (AEA) and 2-arachidonoyl glycerol (2-AG) are needed to support programs investigating molecular mechanisms of the central nervous system. Existing methods, while useful, are not well adapted to efficiently process large numbers of very small tissue samples. A unique challenge involves the disparity in endogenous levels of AEA (pmol/g tissue) and 2-AG (nmol/g tissue). METHODS: A simplified one-step solvent extraction procedure was developed for recovering endocannabinoids from rat brain tissues, and combined with capillary liquid chromatography/tandem mass spectrometry (LC/MS/MS). Various multiple reaction monitoring (MRM)-based methods were evaluated for limit of detection (LOD) and robustness. RESULTS: The optimized simultaneous quantitation method achieves an LOQ of 50 amol for AEA and 25 fmol for 2-AG, both with a linearity over 3 orders of magnitude, and elution times under 3 min. Accuracy, expressed as relative error (RE), is less than 12% for AEA and less than 6% for 2-AG. Precision, expressed as relative standard deviation (RSD), is less than 6% for AEA and less than 3% for 2-AG. Sample handling routines are sufficiently robust to support the automated analysis of thousands of samples from a range of tissue types. CONCLUSIONS: The microscale method is a sensitive, economical and robust alternative to the larger scale LC/MS methods currently implemented for quantitation of AEA and 2-AG.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».