High-resolution acoustic ejection mass spectrometry for high-throughput library screening
Notice bibliographique
Résumé
An approach is described for high-throughput quality assessment of drug candidate libraries using high-resolution acoustic ejection mass spectrometry (AEMS). Sample introduction from 1536-well plates is demonstrated for this application using 2.5 nL acoustically dispensed sample droplets into an Open Port Interface (OPI) with pneumatically assisted electrospray ionization at a rate of one second per sample. Both positive and negative ionization are shown to be essential to extend the compound coverage of this protease inhibitor-focused library. Specialized software for efficiently interpreting this data in 1536-well format is presented. A new high-throughput method for quantifying the concentration of the components (HTQuant) is proposed that neither requires adding an internal standard to each well nor further encumbers the high-throughput workflow. This approach for quantitation requires highly reproducible peak areas, which is shown to be consistent within 4.4 % CV for a 1536-well plate analysis. An approach for troubleshooting the workflow based on the background ion current signal is also presented. The AEMS data is compared to the industry standard LC/PDA/ELSD/MS approach and shows similar coverage but at 180-fold greater throughput. Despite the same ionization process, both methods confirmed the presence of a small percentage of compounds in wells that the other did not. The data for this relatively small, focused library is compared to a larger, more chemically diverse library to indicate that this approach can be more generally applied beyond this single case study. This capability is particularly timely considering the growing implementation of artificial intelligence strategies that require the input of large amounts of high-quality data to formulate predictions relevant to the drug discovery process. The molecular structures of the 872-compound library analyzed here are included to begin the process of correlating molecular structures with ionization efficiency and other parameters as an initial step in this direction.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».