MétaCan
Menu
Retour à la cohorte
Enregistrement W4285399137 · doi:10.1149/ma2022-01431874mtgabs

Electrochemical Characterization of Auranofin in Aqueous Media

2022· article· en· W4285399137 sur OpenAlexaff
Melak Yosseif, Vikram Singh, Dustin Maydaniuk, Silvia T. Cardona, Sabine Kuss

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAuranofinElectrochemistryAqueous solutionChemistryNuclear chemistryElectrodeOrganic chemistryMedicinePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Detection of antibiotic compounds in various media is necessary in solving the public health crisis of antibiotic resistance[1]. Auranofin (AF) is a repurposed antibiotic first used as an antirheumatic in the 1950s. It is useful against various bacteria, fungi, virus infections and cancers either by itself or synergistically with other antibiotics[2–5]. AF is composed of aurothioglucose and phosphine moieties, and therefore, has lipophilic and hydrophilic properties, making its characterization in aqueous media particularly difficult. In the presented study, electrochemistry was employed to characterize and detect AF in aqueous solutions using modified glassy carbon electrodes (GCEs), coated with Carbon Black (CB). CB coating was optimized, oxidation and reduction potentials were identified, and pH dependence, as well as Limits of Detection (LOD) and Quantification (LOQ) were determined. Interferences with ions and other antibiotics was studies and are important factors for the detection of AF in the environment. This study reports on the sensitivity, stability, and selectivity of the CB-GCE sensors, proving useful for future field detection and/or bioelectrochemical investigations. CITATIONS [1] M.R. Islam, S. Kuss, F. Schweizer, Characterization of Antibiotic Compounds By Electrochemistry, ECS Meeting Abstracts. MA2020-01 (2020). https://doi.org/10.1149/ma2020-01442531mtgabs. [2] R. Díez-Martínez, E. García-Fernández, M. Manzano, Á. Martínez, M. Domenech, M. Vallet-Regí, P. García, Auranofin-loaded nanoparticles as a new therapeutic tool to fight streptococcal infections, Scientific Reports. 6 (2016). https://doi.org/10.1038/srep19525. [3] K.J. Habermann, L. Grünewald, S. van Wijk, S. Fulda, Targeting redox homeostasis in rhabdomyosarcoma cells: GSH-depleting agents enhance auranofin-induced cell death, Cell Death & Disease. 8 (2017). https://doi.org/10.1038/cddis.2017.412. [4] E. v. Capparelli, R. Bricker-Ford, M.J. Rogers, J.H. McKerrow, S.L. Reed, Phase I clinical trial results of auranofin, a novel antiparasitic agent, Antimicrobial Agents and Chemotherapy. 61 (2017). https://doi.org/10.1128/AAC.01947-16. [5] T. Onodera, I. Momose, M. Kawada, Potential anticancer activity of auranofin, Chemical and Pharmaceutical Bulletin. 67 (2019). https://doi.org/10.1248/cpb.c18-00767.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,195
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207