MétaCan
Menu
Retour à la cohorte
Enregistrement W1950720201 · doi:10.1002/dta.1727

Direct analysis in real time ‐ high resolution mass spectrometry (DART‐HRMS): a high throughput strategy for identification and quantification of anabolic steroid esters

2014· article· en· W1950720201 sur OpenAlexfundno aff
Mickael Doué, Gaud Dervilly, Karinne Pouponneau, Fabrice Monteau, Bruno Le Bizec

Notice bibliographique

RevueDrug Testing and Analysis · 2014
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésDART ion sourceOrbitrapChemistryChromatographyMass spectrometryRepeatabilityDartSteroidHormoneIonElectron ionizationComputer scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

High throughput screening is essential for doping, forensic, and food safety laboratories. While hyphenated chromatography-mass spectrometry (MS) remains the approach of choice, recent ambient MS techniques, such as direct analysis in real time (DART), offer more rapid and more versatile strategies and thus gain in popularity. In this study, the potential of DART hyphenated with Orbitrap-MS for fast identification and quantification of 21 anabolic steroid esters has been evaluated. Direct analysis in high resolution scan mode allowed steroid esters screening by accurate mass measurement (Resolution = 60 000 and mass error < 3 ppm). Steroid esters identification was further supported by collision-induced dissociation (CID) experiments through the generation of two additional ions. Moreover, the use of labelled internal standards allowed quantitative data to be recovered based on isotopic dilution approach. Linearity (R(2) > 0.99), dynamic range (from 1 to 1000 ng mL(-1) ), bias (<10%), sensitivity (1 ng mL(-1) ), repeatability and reproducibility (RSD < 20%) were evaluated as similar to those obtained with hyphenated chromatography-mass spectrometry techniques. This innovative high throughput approach was successfully applied for the characterization of oily commercial preparations, and thus fits the needs of the competent authorities in the fight against forbidden or counterfeited substances.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,019
Tête enseignante GPT0,275
Écart entre enseignants0,256 · 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'étudeExpérimental (laboratoire)
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

Citations43
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Testing and AnalysisMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207