A comparison of patient matched meibum and tear lipidomes
Notice bibliographique
Résumé
Purpose - To quantify the molecular lipid composition of patient-matched tear and meibum samples and compare tear and meibum lipid molecular profiles. Methods - Lipids were extracted from tears and meibum by bi-phasic methods using 10:3 tertbutyl methyl ether:methanol, washed with aqueous ammonium acetate, and analyzed by chipbased nanoelectrospray ionization tandem mass spectrometry. Targeted precursor ion and neutral loss scans identified individual molecular lipids and quantification was obtained by comparison to internal standards in each lipid class. Results - Two hundred and thirty-six lipid species were identified and quantified from nine lipid classes comprised of cholesterol esters, wax esters, (O-acyl)-x-hydroxy fatty acids, triacylglycerols, phosphatidylcholine, lysophosphatidylcholine, phosphatidylethanolamine, sphingomyelin, and phosphatidylserine. With the exception of phospholipids, lipid molecular profiles were strikingly similar between tears and meibum. Conclusions - Comparisons between tears and meibum indicate that meibum is likely to supply the majority of lipids in the tear film lipid layer. However, the observed higher mole ratio of phospholipid in tears shows that analysis of meibum alone does not provide a complete understanding of the tear film lipid composition.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».