Application of a Rapid ESI-MS/MS Method for Quantitative Analysis of Docetaxel in Polymeric Matrices of PLGA and PLGA-PEG Nanoparticles through Direct Injection to Mass Spectrometer
Notice bibliographique
Résumé
Docetaxel is a member of taxan family of antineoplastic agents widely used in cancer chemotherapy. However, application of conventional chemotherapy with commercial formulation has been accompanied with matters of concern regarding drug’s biodistribution, pharmacokinetics, and pharmacodynamics. Polymeric nanoparticles have been widely used as unique drug delivery vehicles to circumvent such problems. Docetaxel-loaded poly (lactide-co-glycolide) (PLGA) and poly (lactide-co-glycolide)-poly (ethylene glycol) (PLGA-PEG) nanoparticles fit well in modifying drug’s pharmacokinetic characteristics as intravenous (IV) sustained-release delivery vehicles. In such circumstances, characterization of nanoparticles in terms of their drug-payload would be a necessary step. The majority of studies have used HPLC analysis method for docetaxel quantitation in polymeric nanoparticles. Herein, a rapid ESI-MS/MS method for quantitative analysis of docetaxel in polymeric matrices of PLGA and PLGA-PEG nanoparticles through direct injection to mass spectrometer has been developed and validated. The assay was validated over a range of 3.9 - 1000 ng/ml and 125 - 16,000 ng/ml. Samples were directly injected to the instrument through an isocratic elution (0.1% formic acid in methanol) and detection was performed on a Hybrid Triple Quadrupole/Linear Ion trap mass spectrometer with multiple reaction monitoring (MRM) mode via positive electrospray ionization (ESI) source. The run time and retention time were 2 and 0.6 minutes respectively. The method demonstrated acceptable level of accuracy and precision and was successfully applied for quantitative analysis of docetaxel in polymeric nanoparticles of PLGA and PLGA-PEG.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».