Optimizing a High-Throughput Solid-Phase Microextraction System to Determine the Plasma Protein Binding of Drugs in Human Plasma
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
Plasma protein binding refers to the binding of a drug to plasma proteins after entering the body. The measurement of plasma protein binding is essential during drug development and in clinical practice, as it provides a more detailed understanding of the available free concentration of a drug in the blood, which is in turn critical for pharmacokinetics and pharmacodynamics studies. In addition, the accurate determination of the free concentration of a drug in the blood is also highly important for therapeutic drug monitoring and in personalized medicine. The present study uses C18-coated solid-phase microextraction 96-pin devices to determine the free concentrations of a set of drugs in plasma, as well as the plasma protein binding of drugs with a wide range of physicochemical properties. It should be noted that the extracted amounts used to calculate the binding constants and plasma protein bindings should be measured at respective equilibrium for plasma and phosphate buffer. Therefore, special attention is placed on properly determining the equilibration times required to correctly estimate the free concentrations of drugs in the investigated systems. The plasma protein binding values obtained with the 96-pin devices are consistent with those reported in the literature. The 96-pin device used in this research can be easily coupled with a Concept96 or other automated robotic systems to create an automated plasma protein binding determination protocol that is both more time and labor efficient compared to conventional equilibrium dialysis and ultrafiltration methods.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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