Cutting without a Knife: A Slice-Selective 2D <sup>1</sup>H–<sup>13</sup>C HSQC NMR Sequence for the Analysis of Inhomogeneous Samples
Notice bibliographique
Résumé
Nuclear magnetic resonance (NMR) is a powerful technique with applications ranging from small molecule structure elucidation to metabolomics studies of living organisms. Typically, solution-state NMR requires a homogeneous liquid, and the whole sample is analyzed as a single entity. While adequate for homogeneous samples, such an approach is limited if the composition varies as would be the case in samples that are naturally heterogeneous or layered. In complex samples such as living organisms, magnetic susceptibility distortions lead to broad 1 H line shapes, and thus, the additional spectral dispersion afforded by 2D heteronuclear experiments is often required for metabolite discrimination. Here, a novel, slice-selective 2D, 1 H– 13 C heteronuclear single quantum coherence (HSQC) sequence was developed that exclusively employs shaped pulses such that only spins in the desired volume are perturbed. In turn, this permits multiple volumes in the tube to be studied during a single relaxation delay, increasing sensitivity and throughput. The approach is first demonstrated on standards and then used to isolate specific sample/sensor elements from a microcoil array and finally study slices within a living earthworm, allowing metabolite changes to be discerned with feeding. Overall, slice-selective NMR is demonstrated to have significant potential for the study of layered and other inhomogeneous samples of varying complexity. In particular, its ability to select subelements is an important step toward developing microcoil receive-only arrays to study environmental toxicity in tiny eggs, cells, and neonates, whereas localization in larger living species could help better correlate toxin-induced biochemical responses to the physical localities or organs involved.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».