Development and Validation of HPLC-MS/MS Method for Busereline Quantitation in Animal Blood Plasma
Notice bibliographique
Résumé
Introduction. Busereline, being a synthetic gonadotropin-releasing hormone analog, is widely used for hormone-dependent cancer treatment (e.g. prostate cancer and breast cancer). Based on the accumulated scientific data for busereline quantitation in biosamples, the main analytical method that is used for this purpose is high-performance liquid chromatography (HPLC) with fluorescence detection, combined with protein precipitation (TCA 10%) for sample preparation. However, due to several limitations of this method resulting in low sensitivity (at the µg/mL level of concentrations), the HPLC-MS/MS analytical method was chosen for peptide determination in biosamples. The HPLC-MS/MS method is considered to have higher accuracy and specificity. The main sample preparation method for gonadotropin-releasing hormone analogs is solid-phase extraction. In our work, we’ve chosen protein precipitation as an alternative – easier and less laborious biosamples preparation process. Aim. The main objective of this study was the development and validation of HPLC-MS/MS method for busereline quantitation in animal (mini pigs) plasma samples and its further application to pharmacokinetic studies. Materials and methods. Busereline quantitative determination in plasma samples was performed using HPLC-MS/MS method. A protein precipitation procedure (methanol, 1:2, v/v) was used for busereline extraction from pig plasma. Results and discussion. The developed analytical method was validated for selectivity, linearity, matrix effect, accuracy (intra-day, inter-day), precision (intra-day, inter-day), LLOQ, carryover and stability. Conclusion. A new HPLC-MS/MS method for busereline quantitation in blood plasma was developed and successfully validated. The developed method showed linearity over the quantitation range from 1 to 20 ng/mL. The developed method can be successfully applied to busereline pharmacokinetic studies.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».