A fast and accurate colorimetric assay for quantifying hippuric acid in human urine
Notice bibliographique
Résumé
Hippuric acid is an abundant metabolite in human urine. Urinary hippuric acid levels change with toxic exposure to aromatic compounds, consumption of fruits and vegetables, cancers, chronic kidney disease, schizophrenia and Crohn's disease. While urinary hippuric acid can be detected and quantified via mass spectrometry or nuclear magnetic resonance spectroscopy, a colorimetric assay would be preferable for a low-cost, point-of care clinical assay. Two colorimetric methods, that use p-dimethylaminobenzaldehyde (DMAB) or benzenesulfonyl chloride (PhSO2Cl), respectively, have been previously developed to detect hippuric acid but these assays have many limitations. We replaced PhSO2Cl with p-toluenesulfonyl chloride (p-TsCl), to create a simpler, faster and more accurate method that works with human urine. This modified colorimetric assay detects from 60 μM to 1000 μM hippuric acid in urine in 2 min. We also corrected for the effects of interfering compounds present in urine such that the assay works across many urine backgrounds. We validated this improved assay on multiple hippurate-spiked urine samples, observing an excellent correlation (R2 > 0.94) between observed and known hippurate concentrations. These data suggest that this colorimetric assay is accurate and should greatly facilitate the measurement of hippuric acid in urine to detect a variety of human conditions.
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 | 0,001 |
| 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 | 0,000 | 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 ».