A strategy for identification of drug metabolites from dried blood spots using triple‐quadrupole/linear ion trap hybrid mass spectrometry
Notice bibliographique
Résumé
Discovery stage studies that address issues of absorption, distribution, metabolism and excretion (ADME) are vital for lead optimization resulting in new drug candidates. Often pharmacokinetics (PK) is assessed in these experiments without regard for the metabolism of the compound or the potential for metabolites to circulate in vivo. This work presents a strategy for drug level determination and detection of metabolites using dried blood spots for sample collection. Initially, metabolites are detected from microsomal incubations and characterized using tandem mass spectrometry. Data dependent enhanced MS and enhanced product ion (EMS-EPI) scanning with dynamic background subtraction was used on a hybrid quadruple linear ion trap mass spectrometer. On-the-fly background subtraction greatly improved the detection of metabolites. These data were used to build a multiple reaction monitoring (MRM) method for the parent and metabolites. MRM-EPI scanning was used to analyze the extracted dried blood spots from the PK study. Circulating metabolites were detected using MRM and their identities confirmed on the basis of fragment ion spectra collected simultaneously. The use of dried blood spots provides a means for re-analysis of PK samples for metabolite identification without the need for complex sample storage and preparation. Both parent compound and metabolite information can be collected in these studies, resulting in a savings of time and resources.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».