Rapid quantification of ionophores in feeds by liquid chromatography– tandem mass spectrometry
Notice bibliographique
Résumé
Ionophores are widely used in veterinary medicine as coccidiostats and for improving nutrient utilization in livestock production. Because of widespread use, ionophores sometimes cause poisoning in livestock. Quantifying concentration of these compounds in feeds for diagnostic purposes is needed. A method with a single step of solvent extraction was developed for rapid simultaneous quantification of monensin, lasalocid, salinomycin, and narasin in feeds by liquid chromatography-tandem mass spectrometry (LC-MS/MS). The ionophores were extracted using methanol:water (90:10). With the high specificity and high sensitivity of tandem mass spectrometry, the extract was introduced for measurement without further processing. The effect of particle size of feeds on extraction efficiency was also investigated. It was found that feeds passing through a 1-mm filter or sieve show better quantitative extraction. Nigericin was used as internal standard for the measurement. The method was validated by fortification of the selected ionophore compounds in horse feed at different concentrations. The typical recovery rate was 69-122%. Meanwhile, various interlaboratory proficiency test samples of different matrices were also quantified as part of the procedure for method validation. A good agreement was found between results and the suggested values. The method is very sensitive, with detection limits between 0.018 µg/g and 0.056 µg/g for the compounds tested. Results showed that the lower limit of quantification was 0.2 µg/g for the ionophore compounds, which is much lower than the contents of the ionophores in medicated feeds, which is generally approximately 10-100 µg/g feed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».