MétaCan
Menu
Retour à la cohorte
Enregistrement W3096179647 · doi:10.1002/dta.2964

Two‐dimensional high performance liquid chromatography purification of underivatized urinary testosterone and metabolites for compound‐specific stable carbon isotope analysis

2020· article· en· W3096179647 sur OpenAlexafffund
Karine Lalonde, Andrew Barber, Christiane Ayotte

Notice bibliographique

RevueDrug Testing and Analysis · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésChromatographyChemistryTestosterone (patch)Carbon fibersUrinary systemMaterials scienceMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Testosterone doping in sports is detected through the measurement of the carbon isotopic signature (δ13C) of testosterone and its metabolites in urine. A critical step in achieving accurate and precise δ13C values during compound‐specific stable carbon isotope analysis (CSIA) is the removal of interfering matrix components. To this end, the World Anti‐Doping Agency (WADA) recommends the use of high‐performance liquid chromatography (HPLC) as a method of sample pretreatment. We provide a description of an automated two‐dimensional HPLC (2D‐HPLC) purification method for urine extracts that has made possible the CSIA of underivatized steroids, requiring only 36 min per sample. Eight urinary steroids including testosterone (T) and dehydroepiandrosterone (DHEA) and four of their metabolites as well as two endogenous reference compounds were collected during HPLC purification. Comparative GC chromatograms are used to contrast the efficiency of two‐dimensional (2D) purification to a previously established 1D‐HPLC method. The 2D purification leads to improved sample purity while simultaneously decreasing the analysis time, allowing for unprecedented sample throughput. Precision of δ13C for all analyzed compounds in negative and positive controls was 0.5‰ or better, which is comparable with the precision of pure reference materials at similar intensities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,241
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrug Testing and AnalysisMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207