Differential Isotope Labeling of 38 Dietary Polyphenols and Their Quantification in Urine by Liquid Chromatography Electrospray Ionization Tandem Mass Spectrometry
Notice bibliographique
Résumé
A large number of polyphenols are consumed with the diet and may contribute to the prevention of chronic diseases such as cardiovascular diseases, diabetes, cancers, and neurodegenerative diseases. More comprehensive methods are needed to measure exposure to this complex family of bioactive plant compounds in epidemiological studies. We report here a novel method enabling the simultaneous measurement in urine of 38 polyphenols representative of the main classes and subclasses found in the diet. This method is based on differential (12)C-/(13)C-isotope labeling of polyphenols through derivatization with isotopic dansyl chloride reagents and on the analysis of the labeled polyphenols by tandem mass spectrometry. This derivatization approach overcomes the need for costly labeled standards. Different conditions for enzyme hydrolysis of polyphenol glucuronides and sulfate esters, extraction, and dansylation of unconjugated aglycones were tested and optimized. Limits of quantification varied from 0.01 to 1.1 μM depending on polyphenols. Intrabatch coefficients of variation varied between 3.9% and 9.6%. Interbatch variations were lower than 15% for 31 compounds and lower than 29% for 6 additional polyphenols out of the 38 tested. Thirty seven polyphenols were validated and then analyzed in 475, 24 h urine samples from the European Prospective Investigation on Cancer and Nutrition (EPIC) study. Thirty four polyphenols could be detected and successfully estimated and showed large interindividual variations of concentrations (2-3 orders of magnitude depending on the compound), with median concentrations spanning from 0.01 to over 1000 μM for all 34 compounds.
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 | 0,000 | 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 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 ».