Trimethylation Enhancement Using <sup>13</sup>C-Diazomethane: Gas-Phase Charge Inversion of Modified Phospholipid Cations for Enhanced Structural Characterization
Notice bibliographique
Résumé
Methylation of phospholipids (PL) leads to increased uniformity in positive electrospray ionization (ESI) efficiencies across the various PL subclasses. This effect is realized in the approach referred to as “trimethylation enhancement using 13 C-diazomethane” ( 13 C-TrEnDi), which results in the methyl esterification of all acidic sites and the conversion of amines to quaternary ammonium sites. Collision-induced dissociation (CID) of these cationic modified lipids enables class identification by forming distinctive headgroup fragments based on the number of 13 C atoms incorporated during derivatization. However, there are no distinctive fragment ions in positive mode that provide fatty acyl information for any of the modified lipids. Gas-phase ion/ion reactions of 13 C-TrEnDi-modified phosphatidylethanolamine (PE), phosphatidylserine (PS), phosphatidylcholine (PC), and sphingomyelin (SM) cations with dicarboxylate anions are shown to charge-invert the positively charged phospholipids to the negative mode. An electrostatically bound complex anion is shown to fragment predominantly via a novel headgroup dication transfer to the reagent anion. Fragmentation of the resulting anionic product yields fatty acyl information, in the case of the glycerophospholipids (PE, PS, and PC), via ester bond cleavage. Analogous information is obtained from modified SM lipid anions via amide bond cleavage. Fragmentation of the anions generated from charge inversion of the 13 C-TrEnDi-modified phospholipids was also found to yield lipid class information without having to perform CID in positive mode. The combination of 13 C-TrEnDi modification of lipid mixtures with charge inversion to the negative-ion mode retains the advantages of uniform ionization efficiency in the positive-ion mode with the additional structural information available in the negative-ion mode without requiring the lipids to be ionized directly in both ionization modes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».