Identification of Selenium-Containing Glutathione S-Conjugates in a Yeast Extract by Two-Dimensional Liquid Chromatography with Inductively Coupled Plasma MS and Nanoelectrospray MS/MS Detection
Notice bibliographique
Résumé
An approach for the identification of unknown selenium-containing biomolecules was developed, enabling the identification of selenodiglutathione (GS-Se-SG) and the mixed selenotrisulfide of glutathione and cysteinylglycine (GS-Se-SCG) in aqueous yeast extracts. The method consists of two-dimensional liquid chromatography, inductively coupled plasma mass spectrometry (ICPMS) and nanoelectrospray tandem mass spectrometry. Analytes were separated by size-exclusion chromatography followed by preconcentration and separation on a porous graphitic carbon HPLC column. The HPLC effluent was monitored for selenium by ICPMS, and two selenium-containing fractions were isolated and analyzed by nanoelectrospray MS. The nanoelectrospray technique has a low sample consumption of approximately 80 nL/min, enabling a preconcentration of the sample to a few microliters. Mass spectra of the two fractions showed the characteristic Se isotopic pattern centered at m/z 693.1 and 564.0 for the [M + H]+ 80Se ions. MS/MS spectra of adjacent parent ions confirmed the presence of Se. The two selenium species were identified as GS-Se-SG and GS-Se-SCG by collision induced dissociation (CID). The accurately measured masses of the most abundant 691 and 693 u parent ions are in good agreement (differences = 3 ppm) with the theoretical masses. To our knowledge, this is the first identification of GS-Se-SG and GS-Se-SCG in biological matrixes by MS/MS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».