Towards Automated Testing of Kynurenine for Point-of-Care Metabolomics
Notice bibliographique
Résumé
Our objective was to develop a simple, low-cost colorimetric assay to detect kynurenine (L-Kyn) in human biofluids, that would be compatible with a point-of-care (POC) system being developed in our lab. Elevated L-Kyn is associated with many pathological conditions. However, current detection methods are expensive, time-consuming, and unsuitable for resource-limited settings. Existing colorimetric L-Kyn assays lack specificity, require unusual reagents, or lack sensitivity, hindering their practical application. Here we report a two-step diazotization-based colorimetric assay that produces a red chromophore upon reaction with L-Kyn. To reduce background interference, we used dilution and anion exchange chromatography for urine samples and acid precipitation for serum samples. The assay detected 5–300 μM L-Kyn in urine (lower limit of detection (LLOD) 1.34 μM) and 5–125 μM L-Kyn in serum (LLOD 1.24 μM). Correlation studies achieved strong linearity (R2 = 0.98 for spiked urine, 0.99 for spiked serum) and were highly correlated (>0.95) to liquid chromatography tandem mass spectrometry (LC-MS/MS) concentrations. Bland–Altman analysis confirmed agreement between L-Kyn assay and LC-MS/MS methods. To our knowledge, this is the first application of a diazotization reaction for L-Kyn quantification at physiologically relevant levels. The assay is now being ported to a low-cost, automated POC biosensor platform.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».