MétaCan
Menu
Retour à la cohorte
Enregistrement W4391839199 · doi:10.1021/acs.analchem.3c05431

Studies of Labware Contamination during Lipid Extraction in Mass Spectrometry-Based Lipidome Analysis

2024· article· en· W4391839199 sur OpenAlexafffund
Carlos R. Canez, Liang Li

Notice bibliographique

RevueAnalytical Chemistry · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsCanada Foundation for InnovationAlberta Innovates - Health SolutionsGenome Canada
Mots-clésLipidomeChemistryContaminationBiochemical engineeringExtraction (chemistry)LipidomicsChromatographyBiochemistry

Résumé

récupéré en direct d'OpenAlex

In lipidomic analysis, plasticware is increasingly being used for lipid extraction and other sample processing procedures over glassware. However, a systematic investigation of the consequences of plasticware use on mass spectrometry (MS)-based lipidome analysis is lacking. In this work, we present an analytical approach for detecting and comparing solvent and labware contaminants encountered in lipidomic workflows. It is shown that the contaminant profiles varied widely between microcentrifuge tubes from different manufacturers. The most suitable polypropylene tubes tested introduced 847 labware-originating contaminant m / z ’s when three different manufacturing batches were tested for Folch lipid extractions. Of particular concern is that 21 primary amide and fatty acid surfactants were introduced that were identical to biological endogenous lipids, 16 of which had not been previously reported as leachables from polypropylene materials. Alternatively, the use of borosilicate glassware and PTFE-lined screw caps introduced 98 different contaminant m / z ’s across three manufacturing batches tested for Folch extractions. Despite the overwhelming number of labware contaminants introduced, current databases and literature only facilitated the identification of 32 contaminants. To address the dearth of publicly available contaminant information, we provide a comprehensive labware contamination repository containing high-resolution m / z values, adductation information, retention times, and MS/MS spectra. This resource should prove to be valuable for researchers in detecting and distinguishing contaminants from analytes of interest. A companion paper presents a detailed study of how labware contamination can lead to ion-suppression effects on coeluting lipids and interference in the analysis of endogenous lipids, such as those from human sera.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,014
Tête enseignante GPT0,306
Écart entre enseignants0,292 · 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

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207