Rapid identification of chemical components <i>in vitro</i> and <i>in vivo</i> of Menispermi Rhizoma by integrating UPLC‐Q‐TOF‐MS with data post‐processing strategy
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
INTRODUCTION: Menispermi Rhizoma (MR), the dried rhizome of Menispermum dauricum DC. (Menispermaceae), has been used to treat sore throat, enteritis, dysentery, and rheumatic arthralgia. Despite extensive research on its pharmacological effects, the chemical components in vitro and in vivo have not been thoroughly studied. OBJECTIVE: To establish an efficient method for rapid classification and identification of alkaloids in MR and its preparations, as well as metabolites in vivo after oral administration of MR. METHODS: Rapid identification of alkaloids and absorbed components of MR was performed using ultra-performance liquid chromatography quadrupole time-of-flight mass spectrometry (UPLC-Q-TOF-MS) coupled with UNIFI software. Moreover, the characteristic fragmentations and neutral losses of different types of alkaloids in MR were summarised to realise the rapid classification of alkaloids. RESULTS: A total of 55 components were unambiguously or tentatively identified in MR. Among them, 37 and 31 components were found in MR capsules and tablets, respectively. Meanwhile, 109 compounds were tentatively identified in rat plasma, urine and faeces, including 55 prototypes and 54 metabolites. Hydrogenation, hydroxylation, methylation, glucuronic acid and sulphate conjugations were the dominating metabolic fates of alkaloids. CONCLUSION: The data post-processing strategy established could greatly enhance the structural identification efficiency. The results obtained might lay the foundation for further interpretation of clinical effects, mechanism of action and quality control of MR.
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 | 0,003 |
| 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 découle