Ultrasensitive Quantification of Multiple Estrogens in Songbird Blood and Microdissected Brain by LC-MS/MS
Notice bibliographique
Résumé
Abstract Neuroestrogens are synthesized within the brain and regulate social behavior, learning and memory, and cognition. In song sparrows, Melospiza melodia , 17β-estradiol (17β-E 2 ) promotes aggressive behavior, including during the nonbreeding season when circulating steroid levels are low. Estrogens are challenging to measure because they are present at very low levels, and current techniques often lack the sensitivity required. Furthermore, current methods often focus on 17β-E 2 and disregard other estrogens. Here, we developed and validated a method to measure four estrogens [estrone (E 1 ), 17β-E 2 , 17α-estradiol (17α-E 2 ), estriol (E 3 )] simultaneously in microdissected songbird brain, with high specificity, sensitivity, accuracy, and precision. We used liquid chromatography tandem mass spectrometry (LC-MS/MS), and to improve sensitivity, we derivatized estrogens using 1,2-dimethylimidazole-5-sulfonyl-chloride (DMIS). The straightforward protocol improved sensitivity by 10-fold for some analytes. There is substantial regional variation in neuroestrogen levels in brain areas that regulate social behavior in male song sparrows. For example, the auditory area NCM, which has high aromatase levels, has the highest E 1 and 17β-E 2 levels. In contrast, estrogen levels in blood are very low. Estrogen levels in both brain and circulation are lower in the nonbreeding season than in the breeding season. This technique will be useful for estrogen measurement in songbirds and potentially other animal models.
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 | 0,000 |
| 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) | 0,000 | 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 ».