Silver-Assisted Laser Desorption Ionization For High Spatial Resolution Imaging Mass Spectrometry of Olefins from Thin Tissue Sections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Silver has been demonstrated to be a powerful cationization agent in mass spectrometry (MS) for various olefinic species such as cholesterol and fatty acids. This work explores the utility of metallic silver sputtering on tissue sections for high resolution imaging mass spectrometry (IMS) of olefins by laser desorption ionization (LDI). For this purpose, sputtered silver coating thickness was optimized on an assorted selection of mouse and rat tissues including brain, kidney, liver, and testis. For mouse brain tissue section, the thickness was adjusted to 23 ± 2 nm of silver to prevent ion suppression effects associated with a higher cholesterol and lipid content. On all other tissues, a thickness of at 16 ± 2 nm provided the best desorption/ionization efficiency. Characterization of the species by MS/MS showed a wide variety of olefinic compounds allowing the IMS of different lipid classes including cholesterol, arachidonic acid, docosahexaenoic acid, and triacylglyceride 52:3. A range of spatial resolutions for IMS were investigated from 150 μm down to the high resolution cellular range at 5 μm. The applicability of direct on-tissue silver sputtering to LDI-IMS of cholesterol and other olefinic compounds presents a novel approach to improve the amount of information that can be obtained from tissue sections. This IMS strategy is thus of interest for providing new biological insights on the role of cholesterol and other olefins in physiological pathways or disease.
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.
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) | 0,011 | 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 découle