In Vivo Ultraslow MAS <sup>2</sup>H/<sup>13</sup>C NMR Emphasizes Metabolites in Dynamic Flux
Notice bibliographique
Résumé
NMR spectroscopy is a powerful tool for metabolite screening, and owing to its noninvasive nature, it can be applied in vivo. However, the magnetic susceptibility mismatches within the intact organisms, lead to broad signals and loss of spectral information. Magic-angle spinning (MAS) is the most robust way to reduce these distortions, enhancing line shapes and providing a wealth of metabolic information, in vivo. Unfortunately, mainly due to overlapping water sidebands, relatively fast spinning is required (∼2500 Hz), which induces stress on the organism, leading to mortality within a relatively short time frame. Here, a novel approach is introduced utilizing 2H/13C isotopic enrichment that demonstrates the following advantages. (1) 2H is a quadrupolar nucleus; hence, in 2H/13C two-dimensional (2D) NMR only the most dynamic molecules (mobile metabolites) are observed in vivo, whereas structural components are broadened beyond detection. In turn, this results in a well-resolved and unique window into the dynamic metabolite pool that includes newly released or synthesized molecules correlated to a biological response/process. (2) 2H shares the same chemical shift window as 1H, making assignment relatively easy. (3) 2H detection reduces problems associated with the water peak, and as the dynamic molecules are selectively detected, no sidebands are observed. (4) As such, samples can be spun slowly (50 Hz), reducing the stress and increasing 100% survivability to 24 h for Daphnia magna and 48 h for Hyalella azteca. To our knowledge, this represents the only MAS-based NMR approach that can provide high-resolution 2D NMR in vivo metabolic fingerprint at slow spinning rates.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».