Chemical-Vapor-Assisted Electrospray Ionization for Increasing Analyte Signals in Electrospray Ionization Mass Spectrometry
Notice bibliographique
Résumé
We report a chemical-vapor-assisted electrospray ionization (ESI) technique to improve the detection sensitivity of ESI mass spectrometry (MS). This simple technique involves introducing a chemical vapor into the sheath gas around the nano-ESI spray tip or through a tubing with its outlet placed close to the spray tip. A variety of chemical vapors were tested and found to have varying degrees of effects on analyte signal intensities. The use of benzyl alcohol vapors in ESI was found to increase signal intensities of standard peptides by up to 4-fold. When this technique was combined with capillary liquid chromatography tandem MS (LC-MS/MS), the number of unique peptides identified in the acid hydrolysate of alpha casein increased by 45% and the number of peptides and proteins identified in a tryptic digest of E. coli cell lysate increased by 13% and 14%, respectively, along with an increased average match score. This technique could also increase the analyte signals for some small molecules, such as phenylephrine, by up to 3-fold. The increased analyte signals observed in the chemical-vapor-assisted ESI process is related to the enhancement of the ionization efficiency in ESI. The method can be readily implemented to an existing ESI mass spectrometer at minimum cost for improving detection sensitivity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».