In Vitro Metabolism of Azaspiracids 1–3 with a Hepatopancreatic Fraction from Blue Mussels (<i>Mytilus edulis</i>)
Notice bibliographique
Résumé
spp. that can accumulate in shellfish and cause food poisoning in humans. Of the 60 AZAs identified, levels of AZA1, AZA2, and AZA3 are regulated in shellfish as a food safety measure based on occurrence and toxicity. Information about the metabolism of AZAs in shellfish is limited. Therefore, a fraction of blue mussel hepatopancreas was made to study the metabolism of AZA1-3 in vitro. A range of AZA metabolites were detected by liquid chromatography-high-resolution tandem mass spectrometry analysis, most notably the novel 22α-hydroxymethylAZAs AZA65 and AZA66, which were also detected in naturally contaminated mussels. These appear to be the first intermediates in the metabolic conversion of AZA1 and AZA2 to their corresponding 22α-carboxyAZAs (AZA17 and AZA19). α-Hydroxylation at C-23 was also a prominent metabolic pathway, producing AZA8, AZA12, and AZA5 as major metabolites of AZA1-3, respectively, and AZA67 and AZA68 as minor metabolites via double-hydroxylation of AZA1 and AZA2, but only low levels of 3β-hydroxylation were observed in this study. In vitro generation of algal toxin metabolites, such as AZA3, AZA5, AZA6, AZA8, AZA12, AZA17, AZA19, AZA65, and AZA66 that would otherwise have to be laboriously purified from shellfish, has the potential to be used for the production of standards for analytical and toxicological studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».