A multimodal analytical method to simultaneously determine monoacetyldiacylglycerols, medium and long chain triglycerides in biological samples during routine lipidomics
Notice bibliographique
Résumé
Abstract Background Monoacetyldiglycerides (MAcDG), are acetylated triglycerides (TG) and an emerging class of bioactive or functional lipid with promising nutritional, medical, and industrial applications. A major challenge exists when analyzing MAcDG from other subclasses of TG in biological matrices, limiting knowledge on their applications and metabolism. Methods Herein a multimodal analytical method for resolution, identification, and quantitation of MAcDG in biological samples was demonstrated based on thin layer chromatography-flame ionization detection complimentary with C30-reversed phase liquid chromatography-high resolution accurate mass tandem mass spectrometry. This method was then applied to determine the MAcDG molecular species composition and quantity in E. solidaginis larvae. The statistical method for analysis of TG subclass composition and molecular species composition of E. solidaginis larvae was one-way analysis of variance (ANOVA). Results The findings suggest that the proposed analytical method could simultaneously provide a fast, accurate, sensitive, high throughput analysis of MAcDG from other TG subclasses, including the fatty acids, isomers, and molecular species composition. Conclusion This method would allow for MAcDG to be included during routine lipidomics analysis of biological samples and will have broad interests and applications in the scientific community in areas such as nutrition, climate change, medicine and biofuel innovations. Graphical abstract
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,154 | 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 ».