Direct quantification of intact FIM in monkey plasma using a selective chromatography–tandem mass spectrometry method: Application in a pharmacokinetic study
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
Abstract FIM protein, which consists of 155 amino acids, was developed as a novel GLP‐1 analog to reduce blood glucose, and pharmacodynamic results showed that it had a certain effect when used in treating Alzheimer's disease. The molecular weight of FIM is 16,304 Da. In theory, the concentration of FIM in biological samples should be determined by the ligand binding assay method or indirectly quantified using LC–MS/MS instrumentation. However, the above methods are complex and time‐consuming. In this study, we successfully developed a simpler LC–MS/MS method for directly quantifying the intact FIM protein in monkey plasma for the first time. The chromatographic separation of FIM was achieved using an InertSustain Bio C 18 column with a mobile phase of acetonitrile containing 0.1% formic acid (A)–water containing 0.1% formic acid (B) at a flow rate of 0.3 ml/min. Good linearity was observed in the concentration range of 5–500 ng/ml ( r 2 > 0.99). The intra‐ and inter‐day precisions (expressed as relative standard deviation, RSD) of FIM were 2.30–12.8 and 7.30–13.2%, respectively. The intra‐ and inter‐day accuracies (expressed as a relative error, RE) were −12.7–6.55 and − 10.1–0.892%, respectively. This method was successfully applied for a pharmacokinetic study of the FIM protein in four monkeys after subcutaneous administration.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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