MétaCan
Menu
Retour à la cohorte
Enregistrement W1986262705 · doi:10.1002/rcm.2566

New surfaces for desorption electrospray ionization mass spectrometry: porous silicon and ultra‐thin layer chromatography plates

2006· article· en· W1986262705 sur OpenAlexfundno aff
Tiina J. Kauppila, Nari Talaty, Piia Salo, Tapio Kotiaho, Risto Kostiainen, R. Graham Cooks

Notice bibliographique

RevueRapid Communications in Mass Spectrometry · 2006
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of HealthMcMaster University
Mots-clésChemistryNanoporousChromatographyAnalytical Chemistry (journal)ElectrosprayMass spectrometryDesorptionAnalyteElectrospray ionizationSiliconLayer (electronics)Detection limitDesorption electrospray ionizationIonizationAdsorptionChemical ionizationOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The performance of nanoporous silicon (pSi) and ultra-thin layer chromatography (UTLC) plates as surfaces for desorption electrospray ionization (DESI) was compared with that of polymethyl methacrylate (PMMA) and polytetrafluoroethylene (PTFE), both popular surfaces in previous DESI studies. The limits of detection (LODs) and other analytical characteristics for six different test compounds were determined using all four surfaces. The LODs for the compounds were in the fmol-pmol (pg-ng) range. The LODs with the pSi surface were further improved for each of the compounds when heat was applied to the surface during sample application which gave LODs as low as or lower than those achieved with PMMA and PTFE. The UTLC plates were successfully used as a rapid means of chromatographic separation prior to DESI-MS analysis. Another advantage achieved using the newer pSi and UTLC surfaces was increased speed of analysis, associated with drying of solution-phase samples. This took place immediately at the UTLC surface and it could be achieved rapidly by gently heating the pSi surface. The presence of salts in the sample did not cause suppression of the analyte signal with any of the surfaces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations98
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Communications in Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207