Effects of sample handling and storage on quantitative lipid analysis in human serum
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There is sparse information about specific storage and handling protocols that minimize analytical error and variability in samples evaluated by targeted metabolomics. Variance components that affect quantitative lipid analysis in a set of human serum samples were determined. The effects of freeze-thaw, extraction state, storage temperature, and freeze-thaw prior to density-based lipoprotein fractionation were quantified. The quantification of high abundance metabolites, representing the biologically relevant lipid species in humans, was highly repeatable (with coefficients of variation as low as 0.01 and 0.02) and largely unaffected by 1-3 freeze-thaw cycles (with 0-8% of metabolites affected in each lipid class). Extraction state had effects on total lipid class amounts, including decreased diacylglycerol and increased phosphatidylethanolamine in thawed compared with frozen samples. The effects of storage temperature over 1 week were minimal, with 0-4% of metabolites affected by storage at 4 degrees C, -20 degrees C, or -80 degrees C in most lipid classes, and 19% of metabolites in diacylglycerol affected by storage at -20 degrees C. Freezing prior to lipoprotein fractionation by density ultracentrifugation decreased HDL free cholesterol by 37% and VLDL free fatty acid by 36%, and increased LDL cholesterol ester by 35% compared with fresh samples. These findings suggest that density-based fractionation should preferably be undertaken in fresh serum samples because up to 37% variability in HDL and LDL cholesterol could result from a single freeze-thaw cycle. Conversely, quantitative lipid analysis within unfractionated serum is minimally affected even with repeated freeze-thaw cycles.
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.
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 découle