Magnetic Droplet Microfluidics as a Platform for the Concentration of [<sup>18</sup>F]Fluoride and Radiosynthesis of Sulfonyl [<sup>18</sup>F]Fluoride
Notice bibliographique
Résumé
The radioisotope 18F is often considered the best choice for positron emission tomography (PET) owing to its desirable chemical and radiochemical properties. However, nucleophilic 18F-fluorination of large, water-soluble biomolecules, based on C-F bond formation, has traditionally been difficult. Thus, several aqueous fluorination approaches that offer significant versatility in radiopharmaceutical synthesis with sensitive targeting vectors have been developed. Furthermore, because 18F decays rapidly, production of these 18F-labeled compounds requires an automated process to reduce production time, reduce radiation exposure, and minimize losses due to the transfer of reagents during tracer synthesis. Herein, we report the use of magnetic droplet microfluidics (MDM) as a means to concentrate [18F]fluoride from the cyclotron target solution, followed by the synthesis of an 18F-labeled compound on a microfluidic platform. Using this method, we have demonstrated 18F preconcentration in a small-volume droplet through the use of anion exchanging magnetic particles. By using MDM, the preconcentration step took approximately 5 min, and the [18F]fluoride solution was preconcentrated by 15-fold. After the preconcentration step, an 18F-labeling reaction was performed on the MDM platform using the S-F bond formation in aqueous conditions to produce an arylsulfonyl [18F]fluoride compound which can be used as a prosthetic group to label PET targeting ligands. The high radiochemical purity of 95±1% was comparable to the 96% previously reported using a conventional method. In addition, when MDM was used, the total synthesis time was improved to 15 min with lower reagent volumes (50-60 μL) used.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».