Newborn Screening of Inborn Errors of Metabolism by Capillary Electrophoresis−Electrospray Ionization-Mass Spectrometry: A Second-Tier Method with Improved Specificity and Sensitivity
Notice bibliographique
Résumé
The advent of electrospray-ionization mass spectrometry (ESI-MS) has given rise to expanded newborn screening programs for the early detection of inborn errors of metabolism (IEM). Despite the benefit of high-throughput screening for disease prognosis, conventional ESI-MS methods are limited by inadequate specificity, complicated sample handling, and low positive predictive outcome that can contribute to a high rate of false-positives. Herein, we report a robust strategy for neonatal screening based on capillary electrophoresis-electrospray ionization-mass spectrometry (CE-ESI-MS) that offers a convenient platform for the direct analysis of amino acids, acylcarnitines, and their stereoisomers from dried blood spot (DBS) extracts without chemical derivatization. On-line sample preconcentration with desalting by CE-ESI-MS allowed for improved concentration sensitivity when detecting poorly responsive metabolites in complex biological samples without ionization suppression or isomeric/isobaric interferences. Method validation demonstrated that accurate yet precise quantification can be achieved for 20 different amino acid and acylcarnitine biomarkers associated with IEMs when using a single non-deuterated internal standard. CE-ESI-MS represents a promising second-tier method in newborn screening programs that is compatible with ESI-MS/MS technology in cases when improved specificity and sensitivity is warranted for diagnosis confirmation and subsequent monitoring.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».