Using Nonequilibrium Capillary Electrophoresis of Equilibrium Mixtures for the Determination of Temperature in Capillary Electrophoresis
Notice bibliographique
Résumé
Until now, all methods for temperature sensing in capillary electrophoresis (CE) relied on molecular probes with temperature-dependent spectral/optical properties. Here we introduce a nonspectroscopic approach to determining temperature in CE. It is based on measuring a temperature-dependent rate constant of complex dissociation by means of a kinetic CE method known as nonequilibrium capillary electrophoresis of equilibrium mixtures (NECEEM). Conceptually, a calibration curve of "the rate constant versus temperature" is built using NECEEM and a CE instrument with a reliable temperature control or, alternatively, a nonelectrophoretic method, such as surface plasmon resonance. The calibration curve is then used to find the temperature during CE in the same buffer but with another CE apparatus or under otherwise different conditions (cooling efficiency, length and diameter of the capillary, electrical field, etc.). In this proof-of-principle work, we used the dissociation of a protein-DNA complex to demonstrate that the NECEEM-based temperature determination method allows for temperature determination in CE with a precision of 2 degrees C. Then, we applied the NECEEM-based temperature determination method to study heat dissipation efficiency in CE instruments with active and passive cooling of the capillary. The nonspectroscopic nature of the method makes it potentially applicable to nonspectroscopic detection schemes, e.g. electrochemical detection. A "kinetic probe" can be coloaded into the capillary along with a sample for in situ temperature measurements. Higher order chemical reactions can also be used for temperature sensing, provided a kinetic CE method for measuring a corresponding rate constant is available.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».