It is time for a paradigm shift in drug discovery bioanalysis: from SRM to HRMS
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
It can be argued that the last true paradigm shift in the bioanalytical (BA) arena was the shift from high-performance liquid chromatography (HPLC) with ultraviolet (UV) detection to HPLC with tandem mass spectrometry (MS/MS) detection after the commercialization of the triple quadrupole mass spectrometer in the 1990s. HPLC-MS/MS analysis based on selected reaction monitoring (SRM) has become the gold standard for BA assays and is used by all the major pharmaceutical companies for the quantitative analysis of new drug entities (NCEs) as part of the new drug discovery and development process. While LC-MS/MS continues to be the best tool for drug discovery bioanalysis, a new paradigm involving high-resolution mass spectrometry (HRMS) and ultrahigh-pressure liquid chromatography (uHPLC) is starting to make inroads into the pharmaceutical industry. The ability to collect full scan spectra, with excellent mass accuracy, mass resolution, 10-250 ms scan speeds and no NCE-related MS parameter optimization, makes the uHPLC-HRMS techniques suitable for quantitative analysis of NCEs while preserving maximum qualitative information about other drug-related and endogenous components such as metabolites, degradants, biomarkers and formulation materials. In this perspective article, we provide some insight into the evolution of the hybrid quadrupole-time-of-flight (Qq-TOF) mass spectrometer and propose some of the desirable specifications that such HRMS systems should have to be integrated into the drug discovery bioanalytical workflow for performing integrated qualitative and quantitative bioanalysis of drugs and related components.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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