Quantitative Detection of PEGylated Biomacromolecules in Biological Fluids by NMR
Notice bibliographique
Résumé
The accumulation, biodistribution, and clearance profiles of therapeutic agents are key factors relevant to their efficacy. Determining these properties constitutes an ongoing experimental challenge. Many such therapeutics, including small molecules, peptides, proteins, tissue scaffolds, and drug delivery vehicles, are conjugated to poly(ethylene glycol) (PEG) as this improves their bioavailability and in vivo stability. We demonstrate here that (1)H NMR spectroscopy can be used to quantify PEGylated species in complex biological fluids directly, rapidly, and with minimal sample preparation. PEG bears a large number of spectroscopically equivalent protons exhibiting a narrow NMR line width while resonating at a (1)H NMR frequency distinct from most other biochemical signals. We demonstrate that PEG provides a robust signal allowing detection of concentrations as low as 10 μg/mL in blood. This PEG detection limit is lowered by another order of magnitude when background proton signals are minimized using (13)C-enriched PEG in combination with a double quantum filter to remove (1)H signals from non-(13)C-labeled species. Quantitative detection of PEG via these methods is shown in pig blood and goat serum as examples of complex biological fluids. More practically, we quantify the blood clearance of (13)C-PEG and PEGylated-BSA (bovine serum albumin) following their intravenous injection in live rats. Given the relative insensitivity of line width to PEG size, we anticipate that the biodistribution and clearance profiles of virtually any PEGylated biomacromolecule from biological fluid samples can be routinely measured by (1)H NMR without any filtering or treatment steps.
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 ».