GCMS Based Detection of Lipid Biomarkers of Mycobacteriumtuberculosis in the Serum Specimen
Notice bibliographique
Résumé
AIM: The present study is focused on the identification of high abundant and low abundant biomarkers of Mycobacterium tuberculosis from serum specimen using Gas chromatography and Mass spectroscopy. METHODS: The TB positive and negative sera were screened on the basis of sputum smear microscopy and the in house developed liposome based antibody detection kit. The lipid fraction was isolated from the collected sera and derivatized. In GCMS analysis, the derivatized lipid samples were analyzed through Gas Chromatograph Mass spectrometer (Shimadzu QP-2010 plus with Thermal Desorption system TD 20). Split or splitless mode of sample injection was performed to identify the high abundant and low abundant biomarkers of tuberculosis. RESULTS : The study identified lipid biomarkers specific for M. tuberculosis in the serum of tuberculosis positive subjects. The study revealed that lipids like C17 H34, C21H52O6, C29H60, C34H70, C44H90 was identified in the split mode of sample injection, whereas C29H60, C34H70, C44H90, C14H23BrO, C11H24O2, C18H44O5, C14H30O3S and C24H39N were identified in the splitless mode of sample injection. Under split injection mode of analysis, C17H34, C21H52O6 and C34H70 lipids were identified as low abundant lipids. The molecules like C14H23BrO, C11H24O2, C18H44O5 and C22H39N were identified as low abundant lipids even after the splitless mode of analysis. DISCUSSIONS: The GCMS analysis revealed the presence of lipid biomarkers of Mycobacterial tuberculosis in the circulation of selected tb positive sera samples. The study further identified the low abundant and high abundant biomarkers of tuberculosis. The detection of characterized low abundant biomarkers may help in identifying the disease in sputum smear negative cases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».