METHOD FOR THE CHARACTERIZATION OF LIPOPROTEINS

• Main Authors: MALLOL PARERA, ROGER, RODRIGUEZ MARTINEZ, MIGUEL ANGEL, AMIGO GRAU, NURIA, CORREIG BLANCHAR, XAVIER, RIBALTA VIVES, JOSEP, MASANA MARIN, LLUIS, PLANA GIL, NURIA, HERAS IBANEZ, MERCEDES
• Format: Patent
• Language: English; French
• Published: 27.06.2023
• Subjects: INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIRCHEMICAL OR PHYSICAL PROPERTIES; MEASURING; MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES; PHYSICS; TESTING

An in vitro method for the characterization of lipoproteins in a sample, comprising obtaining a 2D diffusion-ordered 1H NMR spectrum of the sample and performing a surface fitting of a portion of the spectrum corresponding to the methyl signal using a plurality of model functions, each model function corresponding to a given particle size associated to a lipoprotein fraction and subclass and including at least one model parameter to be estimated during the fitting, the estimated model parameters being the set of model parameters for which the difference between the NMR signal and the model signal built as a linear combination of the model functions is minimized,wherein each model function is a triplet of lorentzian functions. La présente invention porte sur un procédé in vitro de caractérisation de lipoprotéines dans un échantillon, comprenant l'obtention d'un spectre de résonance magnétique nucléaire (RMN) 1H d'ordre de diffusion 2D de l'échantillon et la réalisation d'un réglage de surface d'une partie du spectre correspondant au signal du méthyle utilisant une pluralité de fonctions modèles, chaque fonction modèle correspondant à une dimension de particule donnée associée à une fraction et une sous-classe de lipoprotéine et comprenant au moins un paramètre modèle à estimer durant le réglage, les paramètres modèles estimés étant l'ensemble de paramètres modèles pour lesquels la différence entre le signal RMN et le signal modèle construit en tant que combinaison linéaire des fonctions modèles est rendue minimale, chaque fonction modèle étant un triplet de fonctions lorentziennes.