MétaCan
Menu
Retour à la cohorte
Enregistrement W3112428188 · doi:10.1039/d0ra06123a

A surface-enhanced Raman scattering-based approach for rapid and highly sensitive quantitative analysis of 3-carboxy-4-methyl-5-propyl-2-furanpropionate and indole-3-acetic acid in saline, human serum and uremic serum of patients with chronic kidney disease

2020· article· en· W3112428188 sur OpenAlexafffund
Shaghayegh Saadati, Ubong Eduok, Amira Abdelrasoul, Ahmed Shoker

Notice bibliographique

RevueRSC Advances · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensSt. Paul's HospitalSaskatoon Medical ImagingUniversity of Saskatchewan
Organismes subventionnairesSaskatchewan Health Research FoundationUniversity of Saskatchewan
Mots-clésDetection limitChemistrySubstrate (aquarium)Acetic acidRaman scatteringChromatographyQuantitative analysis (chemistry)UrineIndole-3-acetic acidRaman spectroscopyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

3-Carboxy-4-methyl-5-propyl-2-furanpropionate (CMPF) and indole-3-acetic acid (IAA) are critical protein-bound uremic toxins that occur during chronic kidney disease (CKD). This study offers the first reported instance of surface-enhanced Raman scattering (SERS) coupled with an Au nanoparticle substrate for the simple quantification of CMPF and IAA in human serum samples. The detection limits of the CMPF and IAA analysis were estimated to be 0.04 nM (S/N = 3) and 0.05 μM (S/N = 3), respectively. The results demonstrate that the SERS technique is fast-acting and highly sensitive when it comes to the simultaneous and individual quantitative detection of CMPF and IAA in biological samples. We believe that this analytical tool could serve as a very useful method for practical applications during the analysis of CMPF and IAA in the serum and urine of patients at all stages of CKD and of healthy volunteers as well as in various reservoirs.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRSC AdvancesMême sujetDialysis and Renal Disease ManagementTravaux en français237 207