Doping control analysis of emerging drugs in human plasma – identification of GW501516, S‐107, JTV‐519, and S‐40503
Notice bibliographique
Résumé
An important aspect of preventive doping research is the rapid implementation of tests for emerging drugs with potential for misuse into routine doping control assays. New therapeutics of different classes such as PPARdelta-agonists (e.g. GW501516), ryanodine-calstabin-complex stabilizers (e.g. S-107 and JTV-519), and selective androgen receptor modulators (SARMs, e.g. S-40503) are currently used for the treatment of particular medical conditions such as metabolic syndrome, cardiac arrhythmia, debilitating diseases and osteoporosis, respectively. Due to their being at an early stage of clinical trials and the limited availability of data on the metabolism and possible renal elimination of the active drugs, the development of protocols for doping control analyses of plasma specimens could be an option for the detection of the circulating agents. The mass spectrometric fragmentation of four emerging drug candidates (GW501516, S-107, JTV-519, and S-40503) was elucidated by positive electrospray ionization and collision-induced dissociation using a high resolution/high accuracy mass spectrometer. A screening and confirmation procedure was established based on liquid chromatography/tandem mass spectrometry requiring a volume of 100 microL of plasma. Proteins were precipitated using acetonitrile, the specimens were centrifuged and the supernatant analyzed using a triple-quadrupole mass spectrometer employing multiple reaction monitoring of diagnostic ion transitions. The method was validated with regard to specificity, limits of detection (0.4-8.3 ng/mL), recoveries (72-98%), intraday and interday precisions (12-21%), and ion suppression/enhancement effects.
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 | 0,002 | 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 ».