An Efficient Sample Preparation Method for High-Throughput Analysis of 15(S)-8-iso-PGF2α in Plasma and Urine by Enzyme Immunoassay
Notice bibliographique
Résumé
Although several methods have been reported on the analysis of the oxidative stress marker 15(S)-8-iso-prostaglandin-F2alpha (8-iso-PGF2α) in biological fluids, they either involve extensive sample preparation and costly technology or require high sample volume. This study presents a sample preparation method that utilizes low sample volume for 8-iso-PGF2α analysis in plasma and urine by an enzyme immunoassay (EIA). In brief, 8-iso-PGF2α in deproteinized plasma or native urine sample is complexed with an antibody and then captured by molecular weight cut-off filtration. This method was compared with two other sample preparation methods that are typically used in the analysis of 8-iso-PGF2α by EIA: Cayman's affinity column purification method and solid-phase extraction on C-18. The immunoaffinity purification method described here was superior to the other two sample preparation methods and yielded recovery values of 99.8 and 54.1% for 8-iso-PGF2α in plasma and urine, respectively. Analytical precision (relative standard deviation) was ±5% for plasma and ±15% for urine. The analysis of healthy human plasma and urine resulted in basal 8-iso-PGF2α levels of 31.8 ± 5.5 pg/mL and 2.9 ± 2.0 ng/mg creatinine, respectively. The robustness and analytical performance of this method makes it a promising tool for high-throughput screening of biological samples for 8-iso-PGF2α.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».