Removal of Fe3+ and Zn2+ from plasma metalloproteins by iron chelating therapeutics depicted with SEC-ICP-AES
Notice bibliographique
Résumé
The iron chelation therapy drugs desferrioxamine B (DFO) and deferiprone (DFP) are used to treat iron overload patients, but not much is known about their adverse effects on other essential metals in vivo. After the addition of a clinically relevant dose of DFP or an equimolar dose of DFO to human plasma in vitro, the mixtures were analyzed by size exclusion chromatography (SEC) coupled to an inductively coupled plasma atomic emission spectrometer (ICP-AES). Simultaneous detection of the emission lines of copper, iron and zinc allowed the visualization of changes that these drugs exerted at the metalloprotein level. After the addition of DFP, a <10 kDa novel Fe-peak was detected and identified as (DFP)(3)Fe, whereas DFO resulted in the elution of a much smaller amount of Fe in this elution range. In fact, DFP was approximately 8-times more efficient than DFO regarding the removal of Fe from plasma proteins. The addition of both iron chelators also resulted in the elution of a <10 kDa novel Zn-peak. DFP abstracted twice as much Zn from plasma proteins compared to DFO. The identification of one of these peaks as (DFP)(2)Zn establishes a feasible biomolecular basis for the etiology of Zn-deficiency in patients that undergo long-term treatment with these drugs. Our results demonstrate that the analysis of plasma by SEC-ICP-AES can simultaneously provide insight into the efficacy of chelation therapy drugs and their adverse health effects at the metalloprotein level. Thus, SEC-ICP-AES emerges as a useful analytical tool to visualize health-relevant bioinorganic chemistry-related reactions of medicinal drugs in blood plasma in vitro.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».