Global ETD Search

11	Quantification of Pharmaceuticals at the sub-cellular level using the NanoSIMS Dost, Maryam January 2024 (has links) Mass spectroscopy imaging (MSI) has become a vital tool in modern research due to its ability to visualize the spatial distribution of molecules within tissue samples. The collaboration between researchers at AZ, the University of Gothenburg, and Chalmers University of Technology using the NanoSIMS instrument and MSI-SIMS technology has opened up new avenues of exploration in pharmaceutical development, particularly in examining drugs and metabolites at sub-cellular levels. This groundbreaking research has the potential to significantly improve the efficacy and safety of future pharmaceutical products. NanoSIMS possesses a unique imaging and processing technique that enables high-resolution imaging of cellular structures and subcellular compartments. This powerful tool allows for the visualization and measurement of elements and isotopes at the subcellular level. The technique involves bombarding a sample with a focused primary ion beam, which causes the emission of secondary ions. These secondary ions are then analyzed to determine the elemental and isotopic composition of the sample. NanoSIMS is particularly useful for analyzing biomolecules since traditional Mass spectrometry methods cannot provide information about how molecules behave at the cellular level. Given that many of the drugs used today have intra-cellular targets, hence understanding the drug's cellular pathways is extremely important, especially in cases where the risk for organ toxicity is high due to the high dosage of the drugs. Our data from the image analysis indicated the presence of amiodarone inside the lysosomes; however, the lack of enrichment from the 13C portion of the dual-labeled molecule made it difficult to reach a variation below the LOD. Since our LOD is relatively high when working with 13C12C, we focused on the fact that accuracy, precision, and sensitivity would be the most crucial factors in our study. After adjusting these parameters, we obtained an image that made the measurement possible. This project aims to utilize a dual-labeled drug (13C and 127I) to bridge the absolute quantification ability of the 13C labeling scheme to the more sensitive labeling scheme. The focus of this study lies therefore on optimization and the relationship between Spatial resolution, Sensitivity, Mass Resolution, Accuracy, and Precision. This technique is extremely promising, but the limit of detection is relatively high mainly due to the high percentage of carbon in the sample. Despite this fact, we were able to present some valuable data. Our analysis showed that the sensitivity of the 127I is much better than 13C, however, we produced an image where the ratio between the labels was above the detection limit. Using this data, a Relative sensitivity factor (RSF) value was measured, and the concentration of the drug could be estimated by applying the quantification equation. Mass spectroscopy imaging AstraZeneca Nanosims Therapeutics pharmacokinetics pharmacodynamics Quantitative Visualization calibration curve RSF pharmacology Data Analysis Chemistry Quantification isotopes Pharmaceuticals subcellular drug drug target nucleotide biodistribution Bioanalytical electrochemistry spectroscopy mass spectrometry analytical separations Analytical Chemistry ROI Bioanalytical Chemistry Masspektroskopi avbildning AstraZeneca Nanosims Terapeutik farmakokinetik farmakodynamik Kvantitativ visualisering kalibreringskurva RSF farmakologi Dataanalys Kemi Kvantifiering isotoper Läkemedel subcellulär läkemedel läkemedelsmål bioskopisk elektrofördelning nukleotid bioskopisk bioskopisk distribution masspektrometri analytiska separationer analytisk kemi bioanalytisk kemi Analytical Chemistry Analytisk kemi
12	Função da probabilidade da seleção do recurso (RSPF) na seleção de habitat usando modelos de escolha discreta / Resource of selection probability function (RSPF ) the habitat selection using discrete choice models (DCM) Cardozo, Sandra Vergara 16 February 2009 (has links) Em ecologia, o comportamento dos animais é freqüentemente estudado para entender melhor suas preferências por diferentes tipos de alimento e habitat. O presente trabalho esta relacionado a este tópico, dividindo-se em três capítulos. O primeiro capitulo refere-se à estimação da função da probabilidade da seleção de recurso (RSPF) comparado com um modelo de escolha discreta (DCM) com uma escolha, usando as estatísticas qui-quadrado para obter as estimativas. As melhores estimativas foram obtidas pelo método DCM com uma escolha. No entanto, os animais não fazem a sua seleção baseados apenas em uma escolha. Com RSPF, as estimativas de máxima verossimilhança, usadas pela regressão logística ainda não atingiram os objetivos, já que os animais têm mais de uma escolha. R e o software Minitab e a linguagem de programação Fortran foram usados para obter os resultados deste capítulo. No segundo capítulo discutimos mais a verossimilhança do primeiro capítulo. Uma nova verossimilhança para a RSPF é apresentada, a qual considera as unidades usadas e não usadas, e métodos de bootstrapping paramétrico e não paramétrico são usados para estudar o viés e a variância dos estimadores dos parâmetros, usando o programa FORTRAN para obter os resultados. No terceiro capítulo, a nova verossimilhança apresentada no capítulo 2 é usada com um modelo de escolha discreta, para resolver parte do problema apresentado no primeiro capítulo. A estrutura de encaixe é proposta para modelar a seleção de habitat de 28 corujas manchadas (Strix occidentalis), assim como a uma generalização do modelo logit encaixado, usando a maximização da utilidade aleatória e a RSPF aleatória. Métodos de otimização numérica, e o sistema computacional SAS, são usados para estimar os parâmetros de estrutura de encaixe. / In ecology, the behavior of animals is often studied to better understand their preferences for different types of habitat and food. The present work is concerned with this topic. It is divided into three chapters. The first concerns the estimation of a resource selection probability function (RSPF) compared with a discrete choice model (DCM) using chi-squared to obtain estimates. The best estimates were obtained by the DCM method. Nevertheless, animals were not selected based on choice alone. With RSPF, the maximum likelihood estimates used with the logistic regression still did not reach the objectives, since the animals have more than one choice. R and Minitab software and the FORTRAN programming language were used for the computations in this chapter. The second chapter discusses further the likelihood presented in the first chapter. A new likelihood for a RSPF is presented, which takes into account the units used and not used, and parametric and non-parametric bootstrapping are employed to study the bias and variance of parameter estimators, using a FORTRAN program for the calculations. In the third chapter, the new likelihood presented in chapter 2, with a discrete choice model is used to resolve a part of the problem presented in the first chapter. A nested structure is proposed for modelling selection by 28 spotted owls (Strix occidentalis) as well as a generalized nested logit model using random utility maximization and a random RSPF. Numerical optimization methods and the SAS system were employed to estimate the nested structural parameters. Análise de regressão e correlação Boostrap Jackniffe re-amostragem Discrete choice model (DCM) Ecologia animal - Métodos estatísticos Generalized nested logit model (GNL) Habitat - Seleção Inferência em população animal Modelos matemáticos Probabilidade aplicada. Random utility maximization Resource selection function (RSF)
13	Função da probabilidade da seleção do recurso (RSPF) na seleção de habitat usando modelos de escolha discreta / Resource of selection probability function (RSPF ) the habitat selection using discrete choice models (DCM) Sandra Vergara Cardozo 16 February 2009 (has links) Em ecologia, o comportamento dos animais é freqüentemente estudado para entender melhor suas preferências por diferentes tipos de alimento e habitat. O presente trabalho esta relacionado a este tópico, dividindo-se em três capítulos. O primeiro capitulo refere-se à estimação da função da probabilidade da seleção de recurso (RSPF) comparado com um modelo de escolha discreta (DCM) com uma escolha, usando as estatísticas qui-quadrado para obter as estimativas. As melhores estimativas foram obtidas pelo método DCM com uma escolha. No entanto, os animais não fazem a sua seleção baseados apenas em uma escolha. Com RSPF, as estimativas de máxima verossimilhança, usadas pela regressão logística ainda não atingiram os objetivos, já que os animais têm mais de uma escolha. R e o software Minitab e a linguagem de programação Fortran foram usados para obter os resultados deste capítulo. No segundo capítulo discutimos mais a verossimilhança do primeiro capítulo. Uma nova verossimilhança para a RSPF é apresentada, a qual considera as unidades usadas e não usadas, e métodos de bootstrapping paramétrico e não paramétrico são usados para estudar o viés e a variância dos estimadores dos parâmetros, usando o programa FORTRAN para obter os resultados. No terceiro capítulo, a nova verossimilhança apresentada no capítulo 2 é usada com um modelo de escolha discreta, para resolver parte do problema apresentado no primeiro capítulo. A estrutura de encaixe é proposta para modelar a seleção de habitat de 28 corujas manchadas (Strix occidentalis), assim como a uma generalização do modelo logit encaixado, usando a maximização da utilidade aleatória e a RSPF aleatória. Métodos de otimização numérica, e o sistema computacional SAS, são usados para estimar os parâmetros de estrutura de encaixe. / In ecology, the behavior of animals is often studied to better understand their preferences for different types of habitat and food. The present work is concerned with this topic. It is divided into three chapters. The first concerns the estimation of a resource selection probability function (RSPF) compared with a discrete choice model (DCM) using chi-squared to obtain estimates. The best estimates were obtained by the DCM method. Nevertheless, animals were not selected based on choice alone. With RSPF, the maximum likelihood estimates used with the logistic regression still did not reach the objectives, since the animals have more than one choice. R and Minitab software and the FORTRAN programming language were used for the computations in this chapter. The second chapter discusses further the likelihood presented in the first chapter. A new likelihood for a RSPF is presented, which takes into account the units used and not used, and parametric and non-parametric bootstrapping are employed to study the bias and variance of parameter estimators, using a FORTRAN program for the calculations. In the third chapter, the new likelihood presented in chapter 2, with a discrete choice model is used to resolve a part of the problem presented in the first chapter. A nested structure is proposed for modelling selection by 28 spotted owls (Strix occidentalis) as well as a generalized nested logit model using random utility maximization and a random RSPF. Numerical optimization methods and the SAS system were employed to estimate the nested structural parameters. Análise de regressão e correlação Boostrap Jackniffe re-amostragem Ecologia animal - Métodos estatísticos Habitat - Seleção Inferência em população animal Modelos matemáticos Probabilidade aplicada. Discrete choice model (DCM) Generalized nested logit model (GNL) Random utility maximization Resource selection function (RSF)

Page generated in 0.0358 seconds