Utility of Immunoassay in Drug Screening in Skeletal Tissues: Sampling Considerations in Detection of Ketamine Exposure in Femoral Bone and Bone Marrow Following Acute Administration Using ELISA*
Notice bibliographique
Résumé
Detection of ketamine exposure in skeletal tissues by automated enzyme-linked immunosorbent assay (ELISA) and gas chromatography with electron capture detection (GC-ECD) is described. Rats (n = 18) received 0, 15, 30, or 75 mg/kg ketamine hydrochloride acutely (i.p.), and were euthanized within 15 min or 1 h. Ketamine was extracted from ground femoral bone by methanolic incubation followed by liquid-liquid extraction (LLE), while marrow was homogenized in alkaline solution, and then underwent LLE. Extracts were analyzed by ELISA, and subsequently by GC-ECD following derivatization with trifluoroacetic acid anhydride. The effect of tissue type (i.e., diaphyseal bone vs. epiphyseal bone vs. bone marrow) on the immunoassay response was examined through determination of binary classification test sensitivity (S) and measurement of the relative decrease in absorbance (%DA, drug-positive tissues vs. drug-free controls) in each tissue type. The %DA varied significantly between different tissues examined under a given dose condition, and generally decreased in the order marrow > epiphyseal bone > diaphyseal bone, at all dose levels examined. Measured S values for marrow, epiphyseal bone, and diaphyseal bone were 100%, 77%, and 23%, respectively (75 mg/kg dose). These results suggest that the type of skeletal tissue sampled and position sampled within a given bone (diaphyses vs. epiphyses) are important parameters in drug screening of skeletal tissues.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».