Silver-Assisted Laser Desorption Ionization For High Spatial Resolution Imaging Mass Spectrometry of Olefins from Thin Tissue Sections
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».