MétaCan
Menu
Retour à la cohorte
Enregistrement W2593783557 · doi:10.1038/srep44038

In vivo microsampling to capture the elusive exposome

2017· article· en· W2593783557 sur OpenAlexaff
Vincent Bessonneau, Jennifer Ings, McMaster Mark, Richard Smith, Leslie M. Bragg, Mark Servos, Janusz Pawliszyn

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésExposomeSampling (signal processing)MetabolomicsIn vivoComputational biologySolid-phase microextractionMass spectrometryComputer scienceChemistryChromatographyBiologyMedicinePathologyGas chromatography–mass spectrometryBiotechnology

Résumé

récupéré en direct d'OpenAlex

Loss and/or degradation of small molecules during sampling, sample transportation and storage can adversely impact biological interpretation of metabolomics data. In this study, we performed in vivo sampling using solid-phase microextraction (SPME) in combination with non-targeted liquid chromatography and high-resolution tandem mass spectrometry (LC-MS/MS) to capture the fish tissue exposome using molecular networking analysis, and the results were contrasted with molecular differences obtained with ex vivo SPME sampling. Based on 494 MS/MS spectra comparisons, we demonstrated that in vivo SPME sampling provided better extraction and stabilization of highly reactive molecules, such as 1-oleoyl-sn-glycero-3-phosphocholine and 1-palmitoleoyl-glycero-3-phosphocholine, from fish tissue samples. This sampling approach, that minimizes sample handling and preparation, offers the opportunity to perform longitudinal monitoring of the exposome in biological systems and improve the reliability of exposure-measurement in exposome-wide association studies.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,276
Écart entre enseignants0,264 · 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

Citations36
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207