Advantages of atmospheric pressure photoionization mass spectrometry in support of drug discovery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The performance of the atmospheric pressure photoionization (APPI) technique was evaluated against five sets of standards and drug-like compounds and compared to atmospheric pressure chemical ionization (APCI) and electrospray ionization (ESI). The APPI technique was first used to analyze a set of 86 drug standards with diverse structures and polarities with a 100% detection rate. More detailed studies were then performed for another three sets of both drug standards and proprietary drug candidates. All 60 test compounds in these three sets were detected by APPI with an overall higher ionization efficiency than either APCI or ESI. Most of the non-polar compounds in these three sets were not ionized by APCI or ESI. Analysis of a final set of 201 Wyeth proprietary drug candidates by APPI, APCI and ESI provided an additional comparison of the ionization techniques. The detection rates in positive ion mode were 94% for APPI, 84% for APCI, and 84% for ESI. Combining positive and negative ion mode detection, APPI detected 98% of the compounds, while APCI and ESI detected 91%, respectively. This analysis shows that APPI is a valuable tool for day-to-day usage in a pharmaceutical company setting because it is able to successfully ionize more compounds, with greater structural diversity, than the other two ionization techniques. Consequently, APPI could be considered a more universal ionization method, and therefore has great potential in high-throughput drug discovery especially for open access liquid chromatography/mass spectrometry (LC/MS) applications.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle