Quantitation of low molecular weight sugars by chemical derivatization‐liquid chromatography/multiple reaction monitoring/mass spectrometry
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
A new method for the separation and quantitation of 13 mono- and disaccharides has been developed by chemical derivatization/ultra-HPLC/negative-ion ESI-multiple-reaction monitoring MS. 3-Nitrophenylhydrazine (at 50°C for 60 min) was shown to be able to quantitatively derivatize low-molecular weight (LMW) reducing sugars. The nonreducing sugar, sucrose, was not derivatized. A pentafluorophenyl-bonded phase column was used for the chromatographic separation of the derivatized sugars. This method exhibits femtomole-level sensitivity, high precision (CVs of ≤ 4.6%) and high accuracy for the quantitation of LMW sugars in wine. Excellent linearity (R(2) ≥ 0.9993) and linear ranges of ∼500-fold for disaccharides and ∼1000-4000-fold for monosaccharides were achieved. With internal calibration ((13) C-labeled internal standards), recoveries were between 93.6% ± 1.6% (xylose) and 104.8% ± 5.2% (glucose). With external calibration, recoveries ranged from 82.5% ± 0.8% (ribulose) to 105.2% ± 2.1% (xylulose). Quantitation of sugars in two red wines and two white wines was performed using this method; quantitation of the central carbon metabolism-related carboxylic acids and tartaric acid was carried out using a previously established derivatization procedure with 3-nitrophenylhydrazine as well. The results showed that these two classes of compounds-both of which have important organoleptic properties-had different compositions in red and white wines.
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 | 0,001 |
| 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 découle