MétaCan
Menu
Retour à la cohorte
Enregistrement W2095595681 · doi:10.1186/2193-1801-2-622

Use of UPLC-ESI-MS/MS to quantitate free amino acid concentrations in micro-samples of mammalian milk

2013· article· en· W2095595681 sur OpenAlexaff
Véronique Ferchaud‐Roucher, Emmanuelle Desnots, Charlotte Naël, Aurore Martin Agnoux, Marie Cécile Alexandre-Gouabau, Dominique Darmaun, Clair‐Yves Boquien

Notice bibliographique

RevueSpringerPlus · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueInfant Nutrition and Health
Établissements canadiensHotel Dieu Hospital
Organismes subventionnairesnon disponible
Mots-clésChromatographyComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Although free amino acids (FAA) account for a small fraction of total nitrogen in mammalian milk, they are more abundant in human milk than in most formulas, and may serve as a readily available source of amino acids for protein synthesis, as well as fulfill specific physiologic roles. We used reversed phase Ultra Performance Liquid Chromatography (UPLC) coupled to electrospray ionization tandem mass spectrometry (ESI-MS/MS) technique for FAA profiling in milks from three species (human, rat and cow) with a simple and rapid sample preparation. The derivatization procedure chosen, combined with UPLC-ESI-MS/MS allowed the quantitation of 21 FAA using labeled amino acids (Internal Standards) over a 10 min run time in micro-samples of mammalian milk (50 μL). The low limit of quantitation was 0.05 pmol/μL for most FAA with good repeatability and reproducibility (mean CV of 5.1%). Higher levels of total FAA were found in human (3032 μM) and rat milk (3460 μM) than in bovine milk (240 μM), with wide differences in the abundances of specific FAA between species. This robust analytical method could be applied to monitor FAA profile in human breast milk, and open the way to individualized adjustment of FAA content for the nutritional management of infants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,295
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpringerPlusMême sujetInfant Nutrition and HealthTravaux en français237 207