On‐line sample preconcentration with chemical derivatization of bacterial biomarkers by capillary electrophoresis: A dual strategy for integrating sample pretreatment with chemical analysis
Notice bibliographique
Résumé
Simple, selective yet sensitive methods to quantify low-abundance bacterial biomarkers derived from complex samples are required in clinical, biological, and environmental applications. In this report, a new strategy to integrate sample pretreatment with chemical analysis is investigated using on-line preconcentration with chemical derivatization by CE and UV detection. Single-step enantioselective analysis of muramic acid (MA) and diaminopimelic acid (DAP) was achieved by CE via sample enrichment by dynamic pH junction with ortho-phthalaldehyde/N-acetyl-L-cysteine labeling directly in-capillary. The optimized method resulted in up to a 100-fold enhancement in concentration sensitivity compared to conventional off-line derivatization procedures. The method was also applied toward the detection of micromolar levels of MA and DAP excreted in the extracellular medium of Escherichia coli bacterial cell cultures. On-line preconcentration with chemical derivatization by CE represents a unique approach for conducting rapid, sensitive, and high-throughput analyses of other classes of amino acid and amino sugar metabolites with reduced sample handling, where the capillary functions simultaneously as a concentrator, microreactor, and chiral selector.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».