Quantification of free, dissolved combined, particulate, and total amino acid enantiomers using simple sample preparation and more robust chromatographic procedures
Notice bibliographique
Résumé
The goal of this work was to develop amino acid (AA) quantification protocols using simple sample preparation steps and new chromatographic conditions optimized for a hybrid (organo‐silica) C18 column resistant to alkaline samples in borate buffer. This resistance allows for larger injection volumes, and thus stronger detected signals (~3 times stronger), higher precision, and lower analysis costs compared with previous methods. Enantiomeric and non‐enantiomeric separations of AA were possible in less than 0.5 mL of AA‐poor water samples. Results showed that a high salt content and the sample treatment do not lead to AA loss or separation interference. The accuracy and the precision of AA quantification in a natural sample strongly depend on the blank correction. The limits of detection, measured based on the variability of these blanks, were 0.007–3.6 nM depending on the AA. The protocols developed here allow for the quantification of all forms of AA (i.e., free, dissolved combined, particulate, and total) in most natural waters, including deep ocean waters. It was even possible to quantify many AA in ultrapure water after blank correction. Despite the injection of a relatively high volume (100 µL) of alkaline borate solutions, the hybrid C18 column showed no sign of performance degradation after more than 700 injections. This durability reduces the cost of AA analysis and provides a more consistent separation. The analysis time can be greatly reduced by the use of stationary phases with a nonporous core and extended pH stability as they become available.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».