Protein quantification in dried blood spots by MRM mass spectrometry (981.8)
Notice bibliographique
Résumé
Dried blood spot (DBS) sampling offers proven advantages over intravenous blood collection for clinical diagnostics targeting a wide array of biomarkers. The simplicity of this approach enables minimally‐trained staff to collect less than 100 microliters of blood from patients. Furthermore, many analytes are stable in the DBS format at room temperature reducing the challenges of sample storage and transportation. The most common clinical application of DBS sampling is the screening newborns for metabolism disorders by targeting small molecules by multiple reaction monitoring mass spectrometry (MRM‐MS). In addition, DBS‐MRM is increasingly employed for pre‐clinical toxicology and pharmacokinetics studies supporting small molecule drug development. The goal of our work is to integrate DBS methodology with multiplexed MRM assays for the quantification of endogenous proteins in human blood. Highly reproducible methods were developed for extracting dried proteins from collection cards (coefficient of variation <15% for full process technical replicates). These samples were then digested with trypsin and spiked with stable isotope‐labeled standard peptides to improve the precision of the assay. Finally, peptides were separated by reversed‐phase liquid chromatography and detected by an Agilent 6490 triple quadrupole mass spectrometer. Robust MRM assays were generated for over 30 proteins and most were stable in DBS samples over a wide range of storage temperatures. This work demonstrates considerable promise for clinical MRM assays targeting endogenous proteins in DBS samples. Grant Funding Source : Supported by Genome Canada, Genome BC, and the Western Economic Diversification of Canada
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».