Characterization of <i>in vitro</i> generated metabolites of selected peptides <2 kDa prohibited in sports
Notice bibliographique
Résumé
With an increasing number of prohibited substances in doping controls, knowledge about their metabolism is crucial for efficient analysis. While for low molecular mass molecules, standard protocols for in vitro metabolism experiments are well established, the situation with peptidic drugs has been shown to be substantially more heterogeneous and complex. Two principle strategies aiming at simulating the metabolism of lower molecular mass peptides in vitro are presented within this study. The prohibited peptides ARA-290, GHRP-3, and Peforelin, with a to-date unknown metabolism, were chosen as model compounds for these experiments and metabolism after incubation with different blood specimens (EDTA-, heparin-, citrate-plasma, and serum) and exposure to recombinant amidase were investigated. The characterization of in vitro generated drug-derived peptidic analytes was accomplished by means of liquid chromatography coupled to high resolution mass spectrometry. Identification of the generated metabolites was ensured by dedicated high resolution product ion experiments after liquid chromatographic separation. While extensive exopeptidase-driven metabolism was observed for ARA-290 (with one main metabolite PyrEQLERALN), GHRP-3 and Peforelin were found to exhibit a considerable metabolic stability with a low tendency for deamidation only. Copyright © 2017 John Wiley & Sons, Ltd.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».