Enantioselectivity of mass spectrometry: Challenges and promises
Notice bibliographique
Résumé
With the fast growing market of pure enantiomer drugs and bioactive molecules, new chiral-selective analytical tools have been instigated including the use of mass spectrometry (MS). Even though MS is one of the best analytical tools that has efficiently been used in several pharmaceutical and biological applications, traditionally MS is considered as a "chiral-blind" technique. This limitation is due to the MS inability to differentiate between two enantiomers of a chiral molecule based merely on their masses. Several approaches have been explored to assess the potential role of MS in chiral analysis. The first approach depends on the use of MS-hyphenated techniques utilizing fast and sensitive chiral separation tools such as liquid chromatography (LC), gas chromatography (GC), and capillary electrophoresis (CE) coupled to MS detector. More recently, several alternative separation techniques have been evaluated such as supercritical fluid chromatography (SFC) and capillary electrochromatography (CEC); the latter being a hybrid technique that combines the efficiency of CE with the selectivity of LC. The second approach is based on using the MS instrument solely for the chiral recognition. This method depends on the behavioral differences between enantiomers towards a foreign molecule and the ability of MS to monitor such differences. These behavioral differences can be divided into three types: (i) differences in the enantiomeric affinity for association with the chiral selector, (ii) differences of the enantiomeric exchange rate with a foreign reagent, and (iii) differences in the complex MS dissociation behaviors of the enantiomers. Most recently, ion mobility spectrometry was introduced to qualitatively and quantitatively evaluate chiral compounds. This article provides an overview of MS role in chiral analysis by discussing MS based methodologies and presenting the challenges and promises associated with each approach.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,006 | 0,016 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».