Evaluation of sample preparation methods for NMR-based metabolomics of cow milk
Notice bibliographique
Résumé
The quality of milk metabolome analyzed by nuclear magnetic resonance (NMR) is greatly influenced by the way samples are prepared. Although this analytical method is increasingly used to study milk metabolites, a thorough examination of available sample preparation protocols for milk has not been reported yet. We evaluated the performance of eight milk preparation methods namely (1) raw milk without any processing; (2) skimmed milk; (3) ultrafiltered milk; (4) skimming followed by ultrafiltration; (5) ultracentrifuged milk; (6) methanol; (7) dichloromethane; and (8) methanol/dichloromethane, in terms of spectra quality, repeatability, signal-to-noise ratio, extraction efficiency and yield criteria. A pooled sample of milk was used for all protocols. Skimming, ultracentrifugation and unprocessed milk protocols showed poor NMR spectra quality. Protocols involving multiple steps, namely methanol/dichloromethane extraction, and skimming followed by ultrafiltration produced inadequate results for signal-to-noise ratio parameter. Methanol and skimming associated to ultrafiltration provided good repeatability results compared to the other protocols. Chemical-based sample preparation protocols, particularly methanol, showed more efficient metabolite extraction compared to physical preparation methods. When considering all evaluation parameters, the methanol extraction protocol proved to be the best method. As a proof of utility, methanol protocol was then applied to milk samples from dairy cows fed a diet with or without a feed additive, showing a clear separation between the two groups of cows.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».