Improved LC-MS Detection of Opioids, Amphetamines, and Psychedelics Using TrEnDi
Notice bibliographique
Résumé
Substances of misuse are becoming increasingly difficult to analyze as unique methods of smuggling are adopted and due to the rapid emergence of new psychoactive substances, increasing the pool of compounds to characterize and identify. Technologies such as gas chromatography and liquid chromatography coupled to mass spectrometry (MS) represent the gold standard for accurate and robust analysis, with on-site ambient- and portable-MS systems providing rapid methods of drug screening and testing. For many samples containing residual analyte quantities, methods to improve sensitivity through chemical derivatization are critical for accurate determination. Herein, we demonstrate for the first time the use of trimethylation enhancement using diazomethane (TrEnDi) to improve the MS-based sensitivity of 13 different drugs of misuse. All analytes were successfully permethylated, with 11 demonstrating improved analytical characteristics from TrEnDi with MS sensitivity enhancements ranging from 1.2-fold to as high as 24.2-fold in the case of psilocybin, as well as increases in reversed-phase chromatographic retention for most species. Derivatization using 13 C-isotopically labeled TrEnDi reagents were used to successfully resolve isobaric interference issues between three pairs of controlled substances. By using an unconventional aprotic solvent system for electrospray ionization, the benefit of a fixed-permanent positive charge was highlighted as TrEnDi-modified amphetamine was easily measured while unmodified was not detected. Finally, TrEnDi was employed to boost the sensitivity of morphine in a real urine matrix. Our results demonstrate a percent recovery of 103.1% and a sensitivity enhancement of 2.4-fold, demonstrating the versatility and applicability of TrEnDi to pre-existing analytical workflows for trace analysis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».