A Solid-Phase Microextraction—Liquid Chromatography-Mass Spectrometry Method for Analyzing Serum Lipids in Psoriatic Disease
Notice bibliographique
Résumé
Approximately 25% of psoriasis patients have an inflammatory arthritis termed psoriatic arthritis (PsA). There is strong interest in identifying and validating biomarkers that can accurately and reliably predict conversion from psoriasis to PsA using novel technologies such as metabolomics. Lipids, in particular, are of key interest in psoriatic disease. We sought to develop a liquid chromatography-mass spectrometry (LC-MS) method to be used in conjunction with solid-phase microextraction (SPME) for analyzing fatty acids and similar molecules. A total of 25 chromatographic methods based on published lipid studies were tested on two LC columns. As a proof of concept, serum samples from psoriatic disease patients (n = 27 psoriasis and n = 26 PsA) were processed using SPME and run on the selected LC-MS method. The method that was best for analyzing fatty acids and fatty acid-like molecules was optimized and applied to serum samples. A total of 18 tentatively annotated features classified as fatty acids and other lipid compounds were statistically significant between psoriasis and PsA groups using both multivariate and univariate approaches. The SPME-LC-MS method developed and optimized was capable of detecting fatty acids and similar lipids that may aid in differentiating psoriasis and PsA patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».