MétaCan
Menu
Retour à la cohorte
Enregistrement W4394147809 · doi:10.6084/m9.figshare.19161155

Detection of released free heme by erythrocytes by metabolomics

2022· dataset· en· W4394147809 sur OpenAlexaboutno aff
Mariana Renovato‐Martins

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineMedicine
ThématiqueErythrocyte Function and Pathophysiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHemeMetabolomicsChemistryComputational biologyBiochemistryBiologyChromatographyEnzyme

Résumé

récupéré en direct d'OpenAlex

<b>Heme analysis by metabolomics</b><br><b>Sample Extraction</b>: metabolomics´ analyzes were performed by combining supernatants from two different solvent precipitation process: (i) 400 µL of sodium-phosphate buffer (pH 7.0) was added to 400 µL of whole blood and mixed. Then, 1200 µL of acetonitrile was added, vortexed for 10 seconds and centrifuged at 13,000 g. The same process was repeated (ii) in another 400 µL of sodium-phosphate buffer (pH 7.0) previously added to 400 µL of whole blood and mixed, but replacing the acetonitrile by 1200 µL of methanol, vortexed for 10 seconds, and centrifuged at 13,000 g. Both supernatants were transferred to a new test tube and mixed. The organic solvents were evaporated at nitrogen flow, and the extracted resuspended in 1 mL of 2% acetic acid water solution for the analysis by LC-HRMS. <b>LC-HRMS analysis:</b> The analytical platform used was an AccelaLC (ThermoFisher Scientific, Bremen, Germany) coupled to a QExactive Orbitrap Plus (MS) mass spectrometer (ThermoFisher Scientific, Bremen, Germany). Non-Target statistical analyzes were performed using a differential analysis platform, the SIEVE® software version 2.1 (ThermoFisher Scientific, Rockford, USA). The masses selected from the analysis of SIEVE were searched for in two different databases of human metabolites: Human Metabolome Database (HMDB; The metabolomics Innovation Center, Canada, USA) and MetabolomicsDatabase (METLIN ™; California, USA). <b>Chemometrics: </b>The raw data acquired with LC–HRMS were directly processed with Sieve applying the experiment type defined as “Small Molecule”, “Chromatographic Alignment and Framing”, and “Two Sample Differential Analysis” options. Sieve® software operated in two steps, comprising a first alignment of the chromatogram employing a ChromAlign™ algorithm, and second, a recursive base-peak framing, where spectral data from samples in the experiment were grouped by relative intensity. The data matrix was constructed by Sieve with the samples as observations, the m/z values and retention time pairs as the response variables, identifying statistically significant abundance differences in the signal intensity of m/z values among different samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,7690,001

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 Opus0,022
Tête enseignante GPT0,252
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetErythrocyte Function and PathophysiologyTravaux en français237 207