Field-Free Atmospheric Pressure Photoionization–Liquid Chromatography–Mass Spectrometry for the Analysis of Steroids within Complex Biological Matrices
Notice bibliographique
Résumé
A comparison study is presented in which the relative performance of a new orthogonal geometry field-free atmospheric pressure photoionization (FF-APPI) source was evaluated against both electrospray ionization (ESI) and atmospheric pressure chemical ionization (APCI) for the analysis of a small panel of clinically relevant steroids, spiked within various complex biological matrices. Critical performance factors like sensitivity and susceptibility to matrix effects were assessed using a simple, isocratic, high-throughput LC-MS workflow. FF-APPI was found to provide the best performance in terms of both sensitivity and detection limit for all of the steroids included in the survey. Order-of-magnitude sensitivity advantages were realized for some low polarity analytes including both estradiol and estrone. A robust linear regression, post extraction addition method was used to evaluate the relative impact of matrix effects upon each ionization method using protein precipitated human serum, plasma and Surine (simulated urine) as standard clinical matrices. Under conditions optimized for sensitivity, both the field-free APPI and APCI sources were found to provide similarly high resistance to matrix suppression effects, while ESI performance was impacted the most dramatically. For the prototype FF-APPI source, a strong relationship was established between optimizable source parameters and the degree of ion suppression observed. Through careful optimization of vaporization temperature and nebulizer gas pressure it was possible to significantly reduce or even eliminate the impact of matrix effects, even for high-throughput LC-MS methods.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».