Systematic Evaluation of Solid-Phase Microextraction Coatings for Untargeted Metabolomic Profiling of Biological Fluids by Liquid Chromatography−Mass Spectrometry
Notice bibliographique
Résumé
In this study, we propose for the first time the use of solid-phase microextraction (SPME) in combination with liquid chromatography-mass spectrometry for untargeted metabolomic profiling of biological fluids. To achieve this goal, we first systematically evaluated 42 different SPME coatings for the extraction of 36 metabolites from different chemical classes and of widely varying polarities (log P range of -7.9 to 7.4) in order to identify SPME coatings which are the most suitable for metabolomic studies and to improve the extraction of polar metabolites over the existing commercial SPME devices. Three types of SPME coatings (mixed-mode coatings, polar-enhanced polystyrene-divinylbenzene, and phenylboronic acid) performed the best for simultaneous extraction of both hydrophilic and hydrophobic metabolites at physiological conditions, thus making them suitable for untargeted metabolomic profiling applications. A rapid and simple SPME method was then developed with single-use biocompatible mixed-mode coating for the metabolomic profiling of human plasma in combination with liquid chromatography-high-resolution mass spectrometry on a benchtop Orbitrap system. This optimized SPME method was evaluated versus ultrafiltration and solvent precipitation in terms of metabolite coverage and method precision. SPME detected 1592-3320 features versus 2082-3245 features detected by solvent precipitation methods and 2093-2686 detected for ultrafiltration using the same pooled human plasma sample. Method precision of SPME ranged between 11% and 18% (expressed as median relative standard deviation (RSD) of n = 7 replicates) versus 8-19% for solvent precipitation and 20-22% for ultrafiltration. The results demonstrate that the proposed SPME methodology reduces ionization suppression, provides free concentration information for hydrophobic analytes which are not detected by ultrafiltration methods, and can improve metabolite coverage over existing methodologies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».