A Multi-Class Cyanobacterial Toxin Screening Method using Hydrophilic Interaction Liquid Chromatography with Tandem Mass Spectrometry (HILIC-MS/MS)
Notice bibliographique
Résumé
Cyanobacteria can produce diverse classes of toxins including microcystins (MCs), anatoxins (ATXs), cylindrospermopsins (CYNs), and saxitoxins (STXs). These range in polarities and molecular weights, generally requiring multiple preparation and chromatographic techniques for evaluation. Here we present the development and validation of a HILIC-MS/MS screening method for the detection and quantitation of all the aforementioned toxin classes. Various solvents and sample-to-solvent ratios were investigated with an in-house blend of toxic cyanobacteria to develop a universal extraction method using 75% acetonitrile-water (0.1% formic acid). HILIC-MS/MS was used with gradient elution (35 min run time) with selected reaction monitoring (SRM) settings optimized on a triple quadrupole MS using positive/negative polarity switching. Retention time matching with standards and product ion ratios were assessed for identification. Validation included evaluation of the calibration models, precision, and detection limits (between 0.2 (ATX) and 7 (GTX4) ng/mL). Excellent recoveries (> 99%) were obtained using spiked algal extracts and in‑house reference materials. This method was applied to cultures, cyanobacterial dietary supplements, Canadian bloom and benthic algal samples, water, and shellfish samples, demonstrating suitability for screening and quantitation of all major cyanobacterial toxin classes in a range of sample types. Future applications include the characterization of cyanotoxin matrix reference materials.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».