Rapid on‐plate and one‐pot derivatization of carbonyl compounds for enhanced detection by reactive matrix LDI‐TOF MS using the tailor‐made reactive matrix, 4‐dimethylamino‐6‐(4‐methoxy‐1‐naphthyl)‐1,3,5‐triazine‐2‐hydrazine (DMNTH)
Notice bibliographique
Résumé
In this study, a very sensitive and economical high-throughput methodology has been developed for the analysis of small carbonyl compounds using rapid derivatization with 4-dimethylamino-6-(4-methoxy-1-naphthyl)-1,3,5-triazine-2-hydrazine (DMNTH), a derivatizing agent developed by the Karst group at the University of Münster. DMNTH is highly ionizable by the UV laser and reacts selectively and rapidly with carbonyl moieties. The resulting hydrazone is easily detectable by laser desorption ionization time of flight mass spectrometry (LDI-TOF MS), eliminating the need for the matrix assisted variant (MALDI) and the associated issue of matrix optimization, which greatly simplifies the analysis. It has been demonstrated that a range of carbonyl compounds can be conveniently analyzed by this reactive matrix LDI-TOF MS (RM-LDI-TOF MS) procedure and that furfural DMNThydrazone (prior labeled and labeled in situ) can be used as an internal standard for semiquantitative analysis. Amounts as low as 0.5 ng ml(-1) of 4-methoxybenzaldehyde have been detected using a one-pot derivatization methodology. Rapid on-plate derivatization was also found to be a simple approach for fast and reliable screening of various analytes, although with slightly higher detection limits. To test its applicability in complex matrices, analysis of furfural spiked in beer has been demonstrated. This RM-LDI-TOF MS method shows considerable promise for the analysis of carbonyl compounds in water, particularly for disinfection by-products that result from reaction of natural organic matter with oxidative disinfectants.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».