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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».