Profiling volatile organic compounds from human plasma using GC × GC-ToFMS
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
Abstract Volatile organic compounds (VOCs) originating from human metabolic activities can be detected in, for example, breath, urine, feces, and blood. Thus, attention has been given to identifying VOCs from the above matrices. Studies identifying and measuring human blood VOCs are limited to those focusing on monitoring specific pollutants, or blood storage and/or decomposition. However, a comprehensive characterization of VOCs in human blood collected for routine diagnostic testing is lacking. In this pilot study, 72 blood-derived plasma samples were obtained from apparently healthy adult participants. VOCs were extracted from plasma using solid-phase microextraction and analyzed using comprehensive two-dimensional gas chromatography tandem time-of-flight mass spectrometry. Chromatographic data were aligned, and putative compound identities were assigned via spectral library comparison. All statistical analysis, including contaminant removal, data normalization, and transformation were performed using R . We identified 401 features which we called the pan volatilome of human plasma. Of the 401 features, 34 were present in all the samples with less than 15% variance (core molecules), 210 were present in ⩾10% but <100% of the samples (accessory molecules), and 157 were present in less than 10% of the samples (rare molecules). The core molecules, consisting of aliphatic, aromatic, and carbonyl compounds were validated using 25 additional samples. The validation accuracy was 99.9%. Of the 34 core molecules, 2 molecules (octan-2-one and 4-methyl heptane) have been identified from the plasma samples for the first time. Overall, our pilot study establishes the methodology of profiling VOCs in human plasma and will serve as a resource for blood-derived VOCs that can complement future biomarker studies using different matrices with more heterogeneous cohorts.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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