Oil fingerprinting analysis using commercial solid phase extraction (SPE) cartridge and gas chromatography-mass spectrometry (GC-MS)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study used solid phase extraction (SPE) cartridges for rapid cleanup and fractionation of oil samples in oil fingerprinting analysis. A series of commercially available florisil cartridges, normal phase SPE cartridges, and silica gel/cyanopropyl (SiO2/C3-CN) SPE cartridges was selected for the fractionation of oil into aliphatic and aromatic hydrocarbons. The florisil cartridges and normal phase SPE cartridges can clean up the oil samples but are unable to separate them into two fractions. The SiO2/C3-CN (1 g/0.5 g) SPE cartridge successfully separated oil samples into aliphatic and aromatic fractions by eluting with 4 mL of hexane and 4 mL of dichloromethylene (DCM)/hexane (3 : 1, v:v), respectively. No cross-elution was observed between aliphatic and aromatic fractions when oil loading mass was less than 40 mg on the SiO2/C3-CN SPE cartridge. The relative standard deviation (RSD) of five replicates of SPE-GC-MS analysis of 5 mg of reference oil is 2.8%, 1.2%, and 6.9% for total n-alkanes, polycyclic aromatic hydrocarbons (PAHs), and biomarkers, respectively. The recoveries of six spiked deuterated surrogates were all above 95%. This SPE-GC-MS method was used for the fingerprinting analysis of various crude oils, refined petroleum products, and environmental sediment samples. The characterized target hydrocarbons included n-alkanes, unsubstituted priority PAHs and alkylated homologues, and biomarker terpanes and steranes. The concentration profiles and diagnostic ratios of target compounds are both comparable to those obtained by the conventional silica gel column-GC-MS method.
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.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découle