Enhanced Visualization of Small Peptides Absorbed in Rat Small Intestine by Phytic-Acid-Aided Matrix-Assisted Laser Desorption/Ionization-Imaging Mass Spectrometry
Notice bibliographique
Résumé
Enhanced visualization of small peptides absorbed through a rat intestinal membrane was achieved by matrix-assisted laser desorption/ionization time-of-flight imaging mass spectrometry (MALDI-IMS) with the aid of phytic acid as a matrix additive. Penetrants through intestinal peptide transporter 1, i.e., glycyl-sarcosine (Gly-Sar, 147.1 m/z) and antihypertensive dipeptide, Val-Tyr (281.2 m/z), were chosen for MALDI-IMS. The signal-to-noise (S/N) ratios of dipeptides Gly-Sar and Val-Tyr were seen to increase by 2.4- and 8.0-fold, respectively, when using a 2',4',6'-trihydroxyacetophenone (THAP) matrix containing 5.0 mM phytic acid, instead of the THAP matrix alone. Owing to the phytic-acid-aided MALDI-IMS method, Gly-Sar and Val-Tyr absorbed in the rat intestinal membrane were successfully visualized. The proposed imaging method also provided useful information on intestinal peptide absorption; to some extent, Val-Tyr was rapidly hydrolyzed to Tyr by peptidases located at the intestinal microvillus during the absorption process. In conclusion, the strongly acidic additive, phytic acid, is beneficial for enhancing the visualization of small peptides using MALDI-IMS, owing to the suppression of ionization-interfering salts in the tissue.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».