Protocol for an Electrospray Ionization Tandem Mass Spectral Product Ion Library: Development and Application for Identification of 240 Pesticides in Foods
Notice bibliographique
Résumé
Modern determination techniques for pesticides must yield identification quickly with high confidence for timely enforcement of tolerances. A protocol for the collection of liquid chromatography (LC) electrospray ionization (ESI)-quadruple linear ion trap (Q-LIT) mass spectrometry (MS) library spectra was developed. Following the protocol, an enhanced product ion (EPI) library of 240 pesticides was developed by use of spectra collected from two laboratories. A LC-Q-LIT-MS workflow using scheduled multiple reaction monitoring (sMRM) survey scan, information-dependent acquisition (IDA) triggered collection of EPI spectra, and library search was developed and tested to identify the 240 target pesticides in one single LC-Q-LIT MS analysis. By use of LC retention time, one sMRM survey scan transition, and a library search, 75-87% of the 240 pesticides were identified in a single LC/MS analysis at fortified concentrations of 10 ng/g in 18 different foods. A conventional approach with LC-MS/MS using two MRM transitions produced the same identifications and comparable quantitative results with the same incurred foods as the LC-Q-LIT using EPI library search, finding 1.2-49 ng/g of either carbaryl, carbendazim, fenbuconazole, propiconazole, or pyridaben in peaches; carbendazim, imazalil, terbutryn, and thiabendazole in oranges; terbutryn in salmon; and azoxystrobin in ginseng. Incurred broccoli, cabbage, and kale were screened with the same EPI library using three LC-Q-LIT and a LC-quadruple time-of-flight (Q-TOF) instruments. The library search identified azoxystrobin, cyprodinil, fludioxinil, imidacloprid, metalaxyl, spinosyn A, D, and J, amd spirotetramat with each instrument. The approach has a broad application in LC-MS/MS type targeted screening in food analysis.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,026 |
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 ».