Determination of the active and inactive metabolites of prasugrel in human plasma by liquid chromatography/tandem mass spectrometry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Two fast and sensitive liquid chromatography/tandem mass spectrometry (LC/MS/MS)-based bioanalytical assays were developed and validated to quantify the active and three inactive metabolites of prasugrel. Prasugrel is a novel thienopyridine prodrug that is metabolized to the pharmacologically active metabolite in addition to three inactive metabolites, which directly relate to the formation and elimination of the active metabolite. After extraction and separation, the analytes were detected and quantified using a triple quadrupole mass spectrometer using positive electrospray ionization. The validated concentration range for the inactive metabolites assay was from 1 to 500 ng/mL for each of the three analytes. Additionally, a 5x dilution factor was validated. The interday accuracy ranged from -10.5% to 12.5% and the precision ranged from 2.4% to 6.6% for all three analytes. All results showed accuracy and precision within +/-20% at the lower limit of quantification and +/-15% at other levels. The validated concentration range for the active metabolite assay was from 0.5 to 250 ng/mL. Additionally, a 10x dilution factor was validated. The interbatch accuracy ranged from -7.00% to 5.98%, while the precision ranged from 0.98% to 3.39%. Derivatization of the active metabolite in blood with 2-bromo-3'-methoxyacetophenone immediately after collection was essential to ensure the stability of the metabolite during sample processing and storage. These methods have been applied to determine the concentrations of the active and inactive metabolites of prasugrel in human plasma.
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.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle