Discovery and Identification of Arsenolipids Using a Precursor-Finder Strategy and Data-Independent Mass Spectrometry
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Arsenolipids are a class of lipid-soluble arsenic species. They are present in seafoods and show high potentials of cytotoxicity and neurotoxicity. Hindered by traditional low-throughput analytical techniques, the characterization of arsenolipids is far from complete. Here, we report on a sensitive and high-throughput screening method for arsenolipids in krill oil, tuna fillets, hairtail heads, and kelp. We demonstrate the detection and identification of 23 arsenolipids, including novel arsenic-containing fatty acids (AsFAs), hydroxylated AsFAs, arsenic-containing hydrocarbons (AsHCs), hydroxylated AsHCs, thiolated trimethylarsinic acids, and arsenic-containing lysophosphatidylcholines not previously reported. The new method incorporated precursor ion scan (PIS) into data-independent acquisition. High-performance liquid chromatography (HPLC) electrospray ionization quadrupole time-of-flight mass spectrometry (ESI–qToF–MS) was used to perform the sequential window acquisition of all theoretical spectra (SWATH). Comprehensive HPLC–MS and MS/MS data were further processed using a fragment-guided chromatographic computational program Precursorfinder developed here. Precursorfinder achieved efficient peak-picking, retention time comparison, hierarchical clustering, and wavelet coherence calculations to assemble fragment features with their target precursors. The identification of arsenolipids was supported by coeluting the HPLC–MS peaks detected with the characteristic fragments of arsenolipids. Method validation using available arsenic standards and the successful identification of previously unknown arsenolipids in seafood samples demonstrated the applicability of the method for environmental research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».