Detection of insulin analogues and large peptides >2 kDa in urine
Notice bibliographique
Résumé
Insulin analogues and large bioactive peptides may be used by athletes to enhance performance and are banned by the World Anti-Doping Agency (WADA). In addition to insulin analogues, the large peptides include a structurally diverse set of peptides including analogues of growth hormone releasing hormone (GHRH), insulin-like growth factor-1 (IGF-1), and mechano-growth factor (MGF). Detection of this class of peptides is difficult due to their absorptive losses and presence at very low concentrations in urine. In this report, a high throughput method is described that allows sensitive detection of four classes of large peptides in one assay. Sample extraction is performed by ultrafiltration to concentrate the urine followed by solid phase extraction in a 96-well micro-elution plate. Peptides in the urine samples are detected on a triple quadrupole mass spectrometer coupled to standard flow liquid chromatography. The method was validated and evaluated for limit of detection, limit of identification, specificity, precision, carryover, recovery, matrix interference, and post-extraction stability. The limit of detection for insulin analogues is between 5 and 25 pg/ml and between 5 and 50 pg/ml for the other peptide classes. Specificity was good with no detection of interfering peaks in blank urine samples. Carryover from a high concentration sample was not observed and the post-extraction stability was between 77% and 107%. The method was able to detect insulin analogues in three diabetic urine samples. Increased screening for this class of peptides will improve detection and deterrence.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».