Methylclostebol Metabolism Discovery by Untargeted Analysis
Notice bibliographique
Résumé
RATIONALE: This work introduces an alternative experimental approach by integrating high-resolution mass spectrometry (HRMS) with multivariate statistical analysis for metabolite detection and identification. The integration of these tools maximizes information extraction from data, improving accuracy and reducing the risk of false identifications. METHODS: Seven volunteers' urine samples were collected before and after oral administration of 10 mg of methylclostebol (4-chloro-17β-hydroxy-17α-methylandrost-4-en-3-one, ClMT) and assigned to three excretion time intervals. Analyses were carried out on a GC-HRMS system (Agilent 8890 GC coupled with 7250 GC/QTOF), utilizing low-energy electron ionization (< 18 eV) to preserve the native molecular skeleton, thereby simplifying mass spectrum interpretation, with acquisition in full scan mode. Raw data were then processed and subjected to multivariate analysis. RESULTS: The orthogonal partial least squares-discriminant analysis (OPLS-DA) was employed to emphasize differences among specific sample conditions, and features that significantly contribute to classification in the OPLS-DA can be identified as important biomarkers. Samples from the three excretion intervals demonstrated clear separations, occupying distinct areas within the model's defined space. From this approach, the S-plot displayed seven features identified as biomarkers related to methylclostebol ingestion, comparing their mass spectra with an in-house library of LE-EI mass spectra. CONCLUSIONS: The application of this approach is demonstrated to enhance the identification of new markers related to the intake of prohibited substances in the anti-doping field, such as methylclostebol. Its application proved to be an alternative strategy that allows for gathering a more comprehensive range of information in the antidoping field.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».