MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388463574 · doi:10.1021/acs.analchem.3c03800

HR-MAS DREAMTIME NMR for Slow Spinning <i>ex Vivo</i> and <i>in Vivo</i> Samples

2023· article· en· W4388463574 sur OpenAlexafffund
Rajshree Ghosh Biswas, Wolfgang Bermel, Amy Jenne, Ronald Soong, Myrna J. Simpson, André J. Simpson

Notice bibliographique

RevueAnalytical Chemistry · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaKrembil FoundationCanada Foundation for InnovationGovernment of Ontario
Mots-clésChemistrySpinningIn vivoEx vivoNanotechnologyAnalytical Chemistry (journal)ChromatographyIn vitroMaterials sciencePolymer chemistryBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

HR-MAS NMR is a powerful tool, capable of monitoring molecular changes in intact heterogeneous samples. However, one of the biggest limitations of 1 H NMR is its narrow spectral width which leads to considerable overlap in complex natural samples. DREAMTIME NMR is a highly selective technique that allows users to isolate suites of metabolites from congested spectra. This permits targeted metabolomics by NMR and is ideal for monitoring specific processes. To date, DREAMTIME has only been employed in solution-state NMR, here it is adapted for HR-MAS applications. At high spinning speeds (>5 kHz), DREAMTIME works with minimal modifications. However, spinning over 3–4 kHz leads to cell lysis, and if maintaining sample integrity is necessary, slower spinning (<2.5 kHz) is required. Very slow spinning (≤500 Hz) is advantageous for in vivo analysis to increase organism survival; however, sidebands from water pose a problem. To address this, a version of DREAMTIME, termed DREAMTIME-SLOWMAS, is introduced. Both techniques are compared at 2500, 500, and 50 Hz, using ex vivo worm tissue. Following this, DREAMTIME-SLOWMAS is applied to monitor key metabolites of anoxic stress in living shrimp at 500 Hz. Thus, standard DREAMTIME works well under MAS conditions and is recommended for samples reswollen in D 2 O or spun >2500 Hz. For slow spinning in vivo or intact tissue samples, DREAMTIME-SLOWMAS provides an excellent way to target process-specific metabolites while maintaining sample integrity. Overall, DREAMTIME should find widespread application wherever targeted molecular information is required from complex samples with a high degree of spectral overlap.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,006

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,270
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical Chemistry→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→