Analysis of insulin and insulin analogs from dried blood spots by means of liquid chromatography–high resolution mass spectrometry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While dried blood spot (DBS) analysis concerning low molecular mass molecules has become more and more established in various fields of analytical chemistry, the utility of DBS in determining peptides and proteins from DBS is yet comparably limited. In consideration of the fact that the apparent benefits of DBS sampling are similar for analytes of lower and higher molecular mass, dedicated (non-generic) sample preparation procedures are required that meet the needs for detecting peptidic drugs and hormones in DBS. The analysis of insulin and its synthetic analogs by mass spectrometry has received increased attention in several fields such as doping controls, forensics, and drug metabolism and pharmacokinetics studies. Hence, a strategy facilitating the analysis of insulin and its synthetic or animal analogs (human, Lispro, Aspart, Glulisine, Glargine, Detemir, Tresiba, and porcine and bovine insulin) from DBS was developed. The successful analysis of these substances at physiologically relevant concentrations was realized after ultrasonication-assisted extraction, immunoaffinity purification, and liquid chromatographic separation followed by high resolution mass spectrometric detection (with or without ion mobility). Assay validation demonstrated adequate sensitivity (LOD 0.5 ng/mL for most insulins), as well as precise (< 25%) and reproducible results for all included target insulins. Additionally, proof-of-principle data were obtained by the analysis of DBS samples obtained from healthy volunteers in non-fasting state as well as a sample from a diabetic volunteer treated with the fast acting analog insulin Aspart.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle