Mass Spectrometric Approaches for the Analysis of Phytosterols in Biological Samples
Notice bibliographique
Résumé
Plant sterols (phytosterols) are important structural components of plant cellular membranes, and they play a major role during development and metabolism. They have health-associated benefits, especially in lowering blood cholesterol levels. Because of their many health claims, there is a growing interest in their analysis. Although various analytical strategies have been employed in analyzing phytosterols, chromatography linked to mass spectrometry (MS) is superior due to its sensitivity. Furthermore, specificity and selectivity are enhanced by utilizing tandem mass spectrometry (MS/MS). This article reviews the various mass spectrometric strategies used for the analysis of phytosterols. It highlights the applications and limitations associated with each MS strategy in various sample matrixes such as plant, human, animal, food, and dietary supplements. GC-MS was historically the method of choice for analysis; however, the derivatization step rendered it tedious and time-consuming. On the other hand, liquid chromatography coupled to MS (LC-MS) simplifies the analysis. Many ionization techniques have been used, namely, electrospray ionization (ESI), atmospheric pressure chemical ionization (APCI), and atmospheric pressure photoionization (APPI). APCI showed superiority in terms of ion intensity and consistency in ion formation, primarily forming [M + H – H 2 O] + ions rather than [M + H] + . In addition, matrix assisted laser desorption ionization (MALDI) as well as ambient mass spectrometry such as direct analysis in real time (DART) have also been evaluated.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».