Improved identification of multiple drugs of abuse and relative metabolites in urine samples using liquid chromatography/triple quadrupole mass spectrometry coupled with a library search
Notice bibliographique
Résumé
RATIONALE: Although two multiple reaction monitoring (MRM) transitions per compound are used for identification performed using liquid chromatography/triple quadrupole mass spectrometry (LC/QqQ-MS/MS), differences in identification criteria among several regulations may lead to misidentification. We demonstrated that the use of two MRM transitions and product ion spectra improves compound identification. METHODS: The scan cycle time was reduced using time-scheduled MRM (tMRM), data-dependent product ion scanning, and dynamic exclusion. The quantification and identification performance for 13 drugs of abuse and their metabolites were evaluated. RESULTS: Deuterated internal standards compensated for ion suppression. All analytes exhibited intra- and interday precision <12.11%, accuracy of -10.31% to +10.10%, and no carryover. The LC/QqQ-MS/MS and reference gas chromatography/MS methods were equally precise, accurate, and specific. Several regulatory organizations include two MRM transitions, their ratio, and retention time as identification criteria. In 28 samples, the relative ion ratio variation was >10% and product ion spectral matches with >94% probabilities improved drug and metabolite identification. CONCLUSIONS: The LC/QqQ-MS/MS method is a comprehensive assay in which tMRM and the product ion scan are combined in a single run by using a QqQ mass analyzer to simultaneously quantify amphetamine, ketamine, morphine, and their relative metabolites in urine. The proposed method can be applied in forensic science.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».