Ultra-Micro-Scale-Fractionation (UMSF) as a Powerful Tool for Bioactive Molecules Discovery
Notice bibliographique
Résumé
Herein is detailed the development and validation of an ultra-micro-scale-fractionation (UMSF) technique for the discovery of plant-based, bioactive molecules, coupling the advantages of ultra-performance liquid chromatography mass spectrometry (UPLC-MS) separations with microtiter plate-based bioassay screens. This novel one-step approach simultaneously uses UPLC to collect chemical profile information, while performing high-resolution fractionation, greatly improving workflow compared to methods relying on high-performance liquid chromatography (HPLC), solid phase extraction or flash systems for chromatographic separations. Using the UMSF technique, researchers are able to utilize smaller quantities of starting materials, reduce solvent consumption during fractionation, reduce laborious solvent dry down times, replace costly single-use solid-phase-extraction cartridges with reusable analytical-sale UPLC columns, reduce fractionation times to less than 10 min, while simultaneously generating chemical profile data of active fractions and enjoying superior chromatographic resolution. Using this technique, individual bioactive components can be readily purified, identified, and bioassayed in one step from crude extracts, thereby eliminating ambiguous synergistic effects often reported in plant-based natural products research. A successful case-study is presented illustrating the versatility of this technique in identifying lupulone as the principal cytotoxic component from hops (Humulus lupulus L.), using a brine shrimp (Artemia franciscana) model. These results confirm and expand upon previous cell-based bioassay studies using a more complex, multicellular organism, and add to our understanding of structure-function activity relationships for secondary metabolites in hops and the Cannabaceae plant family.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».