Electrospray Mass Spectrometry of Arsenic Compounds and Thiol–Arsenic Complexes
Notice bibliographique
Résumé
Abstract This article reviews the identification and quantification of arsenic species and their complexes using electrospray ionization mass spectrometry (ESI‐MS). Topics covered include accurate mass determination, select ion monitoring (SIM) and multiple reaction monitoring (MRM), isotopic ratios, common fragmentation patterns, transition ratios, wrong‐way‐round ionization, crosstalk, ion interference, and matrix effects. The analytical methods range from direct‐infusion ESI‐MS and tandem mass spectrometry (MS/MS), to the coupling of the ESI‐MS to high‐performance liquid chromatography (HPLC) separation, and finally to combined analysis using HPLC separation with both inductively coupled plasma mass spectrometry (ICP‐MS) and HPLC/ESI‐MS detections. The combination of both ICP‐MS and ESI‐MS is especially powerful, benefiting from the established, robust, and sensitive element‐specific detection of ICP‐MS, and the molecular detection of ESI‐MS. Using the various mass spectrometry (MS) techniques, a variety of biological and environmental samples have been studied, including the urine of humans and animals, food and plants grown on arsenic‐contaminated soil, surface water, and contaminated groundwater. This article also discusses recent studies on the formation of thiol‐arsenic complexes between select arsenic species and thiols such as glutathione (GSH) and metallothionein (MT). The use of ESI‐MS contributes to determining the stoichiometry and binding location, monitoring the reaction in real time, and evaluating binding constants. Information from binding studies has helped the development of improved ESI‐MS methods through derivatization of arsenic species with thiols.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».