Limits of Detection and Quantification in Comprehensive Multidimensional Separations. 1. A Theoretical Look
Notice bibliographique
Résumé
Comprehensive multidimensional separations (e.g., GC×GC, LC×LC, etc.) are increasingly popular tools for the analysis of complex samples, due to their many advantages, such as vastly increased peak capacity, and improvements in sensitivity. The most well-established of these techniques, GC×GC, has revolutionized analytical separations in fields as diverse as petroleum, environmental research, food and flavors, and metabolic profiling. Using multidimensional approaches, analytes can be quantified at levels substantially lower than those possible by one-dimensional techniques. However, it has also been shown that the modulation process introduces a new source of error to the measurement. In this work, we present the results of a study into the limits of quantification and detection (LOQ and LOD) in comprehensive multidimensional separations using GC×GC and the more popular "two-step" integration algorithm as an example. Simulation of chromatographic data permits precise control of relevant parameters of peak geometry and modulation phase. Results are expressed in terms of the dimensionless parameter of signal-to-noise ratio of the base peak (S/N(BP)) making them transportable to any result where quantification is performed using a two-step algorithm. Based on these results, the LOD is found to depend upon the modulation ratio used for the experiment and vary between a S/N(BP) of 10-17, while the LOQ depends on both the modulation ratio and the phase of the modulation for the peak and ranges from a S/N(BP) of 10 to 50, depending on the circumstances.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».