MétaCan
Menu
Retour à la cohorte
Enregistrement W2107245992 · doi:10.1080/14786410802187742

Determination of flavonoid compounds from<i>Saussurea involucrata</i>by liquid chromatography electrospray ionisation mass spectrometry

2009· article· en· W2107245992 sur OpenAlexaff
Yujuan Xu, Degang Zhao, Chunxiang Fu, Long Cheng, N.F. Wang, Lijun Han, Fengyun Ma

Notice bibliographique

RevueNatural Product Research · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePhytochemistry and Biological Activities
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Science Foundation
Mots-clésChromatographyChemistryRutinMass spectrometryFlavonoidElectrosprayElectrospray ionizationDetection limitLuteolinHigh-performance liquid chromatographyAntioxidantOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Saussurea involucrata produces several bioactive flavonoids that are derived from the phenylpropanoid pathway. To determine these flavonoids, a sensitive high performance liquid chromatography electrospray ionisation mass spectrometry method (LC-ESI-MS) was developed. Chromatographic separation was then performed. The gradient elution was optimised to give high recoveries and satisfactory chromatographic resolution. Flavonoid detection was carried out using an ion trap as mass analyser. Parameters of the mass analyser were optimised. We used the validated LC-ESI-MS method to verify the identities of bioactive compounds, namely apigenin, luteolin, hispidulin, luteolin-7-O-glucoside and rutin. Calibration curves for these five flavonoids were linear in ranges between 5.0 and 500 microg mL(-1). The limit of detection ranged from 1.5 x 10(-4) (for hispidulin) to 6.1 x 10(-3) mg mL(-1) (for rutin). Precision was well within the acceptable range (RSD < 3.0%) and the recovery rate was between 75.3 and 89.8% for each flavonoid. A method validation study showed that the LC/MS technique was a powerful analytical tool for detecting trace amounts of the flavonoid compounds in extracts of S. involucrata.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,289
Écart entre enseignants0,261 · 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

Citations32
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNatural Product ResearchMême sujetPhytochemistry and Biological ActivitiesTravaux en français237 207