Rapid Analysis of Fentanyl and Fentanyl Analogues from Whole Blood Using SPME Coupled to the Microfluidic Open Interface
Notice bibliographique
Résumé
Fentanyl and its analogues are potent opioids that pose a significant threat to society. Over the last several years, considerable focus has been on the concerning trend of increasing fentanyl usage among drug users. Fentanyl analogues are mainly synthesized to evade analytical detection or increase their potency; thus, very low concentrations are sufficient to achieve a therapeutic effect. In an effort to help combat the synthetic opioid epidemic, developing targeted mass spectrometric methods for quantifying fentanyl and its analogues at ultralow concentrations is incredibly important. Most methods used to analyze fentanyl and its analogues from whole blood require manual sample preparation protocols (solid-phase extraction or liquid–liquid extraction), followed by chromatographic separation and mass spectrometric detection. The main disadvantages of these methods are the tedious sample preparation workflows, resulting in lengthy analysis times. To mitigate these issues, we present a targeted method capable of analyzing 96 samples containing fentanyl, several fentanyl analogues, and a common fentanyl (analogue) precursor simultaneously in 2.4 min per sample. This is possible by using a high-throughput solid phase microextraction workflow on the Concept96 autosampler followed by manual coupling of solid-phase microextraction fibers to the microfluidic open interface for tandem mass spectrometry analysis. Our quantitative method is capable of extremely sensitive analysis, with limits of quantification ranging from 0.002 to 0.031 ng mL –1 and linearity ranging from 0.010 to 25.0 ng mL –1 . The method shows very good reproducibility (1–18%), accuracy (81–100%) of calibration and validation points, and good interday reproducibility (6–15%).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».