Application of Solid Phase Microextraction for Quantitation of Polyunsaturated Fatty Acids in Biological Fluids
Notice bibliographique
Résumé
Development of a straightforward strategy for simultaneous quantitative analysis of nonesterified fatty acids (NEFA) species in biofluids is a challenging task because of the extreme complexity of fatty acid distribution in biological matrices. In this study, we present a direct immersion solid phase microextraction method coupled to a liquid chromatography-mass spectrometry platform (DI-SPME- HPLC-ESI -MS) for determination of unconjugated fatty acids (FA) in fish and human plasma. The proposed method was fully validated according to bioanalytical method validation guidelines. The LOD and LOQ were in the range of 0.5-2 and 5-12 ng/mL, respectively, with a linear dynamic range of 100 fold for each compound. Absolute and relative matrix effects were comprehensively evaluated and found to be in the acceptable range of 91-116%. The affinity constant (Ka) of individual FAs to protein albumin was determined to be 9.2 × 10(4) to 4.3 × 10(5) M(-1). The plasma protein binding (PPB%) was calculated and found to be in the range of 98.0-99.7% for different polyunsaturated fatty acids (PUFAs). The PUFAs under study were found at a high concentration range in fish plasma, whereas only a few were within quantification range in control human plasma. The method was successfully applied for monitoring PUFA changes during the operation in plasma samples obtained from patients undergoing cardiac surgery with the use of cardiopulmonary bypass (CPB). The most significant contribution induced by surgery was noticed in the concentration level of α-linolenic acid (18:3, ALA), arachidonic acid (20:4, AA), and docosahexanoic acid (22:6, DHA) soon after administration of CPB in all cases.
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 | 0,000 |
| 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 ».