MétaCan
Menu
Retour à la cohorte
Enregistrement W2335445078 · doi:10.1021/ac102146g

High-Performance Isotope Labeling for Profiling Carboxylic Acid-Containing Metabolites in Biofluids by Mass Spectrometry

2010· article· en· W2335445078 sur OpenAlexafffund
Kevin Guo, Liang Li

Notice bibliographique

RevueAnalytical Chemistry · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGenome AlbertaCanada Research ChairsGenome Canada
Mots-clésChemistryMetaboliteChromatographyDerivatizationMass spectrometryReagentMetabolomeCarboxylic acidIsotopeBromideHigh-performance liquid chromatographyMetabolomicsOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

We have developed a new isotope labeling method, based on the use of isotope-coded p-dimethylaminophenacyl (DmPA) bromide as a reagent, combined with liquid chromatography-mass spectrometry (LC-MS) for high-performance metabolome analysis with a focus on profiling carboxylic acid-containing metabolites. Derivatization is simple, fast (1 h plus 30 min for quenching the reaction), and applicable to a wide range of carboxylic acids with a high yield and little or no side reaction products. This labeling method is demonstrated to be not only effective in introducing an isotope tag for accurate metabolite quantification but also improving the chromatographic retention of the metabolites in reversed-phase (RP) LC, enhancing ESI efficiency by 2-4 orders of magnitude, and facilitating the identification of metabolite peaks in LC-MS. In triplicate experiments of a 1:1 ratio of (13)C-/(12)C-DmPA labeled human urine, we were able to detect 2671, 2546, and 2820 ion pairs from metabolites containing one or more carboxylic acid groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,244
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations188
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207