Multiclass, Multiresidue Drug Analysis, Including Aminoglycosides, in Animal Tissue Using Liquid Chromatography Coupled to Tandem Mass Spectrometry<sup>†</sup>
Notice bibliographique
Résumé
A multiresidue, multiclass semiquantitative screening analysis of 39 drug residues covering 8 drug classes, including aminoglycosides in veal muscle, based on a single multiresidue extraction routine and using high-performance liquid chromatography coupled to electrospray ionization tandem mass spectrometry (LC-ESI-MS/MS), is presented. Sample preparation involves extraction of a 5 g diced tissue sample with 10 mL of acetonitrile/ water (86:14), incubated at 60 degrees C for 1 h, and then cooled for 10 min in ice. Formic acid is added to the suspension, then mixed, and centrifuged. The supernatant is retained, and the pellet is extracted with 10 mL of water for aminoglycosides and again centrifuged. Approximately 9.5 mL of each of the supernatants from both extracts is combined and diluted with water to 25 mL. The final solution is then defatted with 20 mL of hexane prior to analysis. Liquid chromatography for the aminoglycosides is carried out with ZIC-HILIC and for the remainder of the compounds with an Atlantis dC18 minicolumn. LC-ESI-MS/MS in positive and negative ionization modes (three injections total) is carried out, and two ion transitions per analyte are monitored. The method provides semiquantitative analysis to identify incurred positive drug classes in a rapid and cost-effective manner. Of particular interest is the detection of numerous compounds in the low nanograms per gram concentration range, which are not typically detected using receptor-based screening methods. All identified drugs were confirmed using internationally recognized regulatory methods, with no apparent false positives.
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 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».