MétaCan
Menu
Retour à la cohorte
Enregistrement W2164381865 · doi:10.1194/jlr.d028621

An ultrasensitive enzymatic method for measuring mevalonic acid in serum

2012· article· en· W2164381865 sur OpenAlexaboutno aff
Takeshi Matsuoka, Shigeru Ueda, Hideyuki Matsumoto, Masanobu Kawakami

Notice bibliographique

RevueJournal of Lipid Research · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant biochemistry and biosynthesis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMevalonic acidChemistryNAD+ kinaseEnzymeChromatographyAbsorbanceReductaseCalibration curveBiochemistryThio-Detection limitStereochemistry

Résumé

récupéré en direct d'OpenAlex

We have developed a simple, precise, and ultrasensitive enzymatic method for measuring serum mevalonic acid (MVA) concentration, which is thought to be a good indicator of the in vivo cholesterol biosynthesis rate. This assay is based on an enzyme cycling reaction and makes use of HMG-CoA reductase (HMGR), thio-NAD, NADH, and CoA. MVA participates in the HMGR cycling reaction, and its level is measured based on the production of thio-NADH, which is determined from the change in absorbance at 405 nm. To achieve high specificity, we used mevalonate kinase (MVK) in addition to HMGR. Only substrates able to participate in both the HMGR cycling reaction and the MVK reaction are measured as MVA. The detection limit for MVA is 0.4 ng/ml (2.7 nmol/l), and the calibration curve for MVA is linear up to 44 ng/ml (300 nmol/l). Regression analysis with 40 serum samples showed the accuracy of quantifying MVA with this enzymatic assay to be comparable to that using LC-MS/MS (correlation: y = 0.83x + 0.24; r = 0.97). This procedure is simple, precise, and robust. It is also rapid and has a high throughput, making it potentially useful for clinical applications.

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)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,088
Tête enseignante GPT0,412
Écart entre enseignants0,324 · 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
GenreMéthodes

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

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lipid ResearchMême sujetPlant biochemistry and biosynthesisTravaux en français237 207