MétaCan
Menu
Retour à la cohorte
Enregistrement W2064763732 · doi:10.1016/j.jasms.2003.10.015

The importance of both charge exchange and proton transfer in the analysis of polycyclic aromatic compounds using atmospheric pressure chemical ionization mass spectrometry

2004· article· en· W2064763732 sur OpenAlexafffund
Beata M. Kolakowski, J. Stuart Grossert, Louis Ramaley

Notice bibliographique

RevueJournal of the American Society for Mass Spectrometry · 2004
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryFluorantheneAtmospheric-pressure chemical ionizationChemical ionizationMass spectrometryPhenanthreneChryseneFluoreneTriphenyleneAnalytical Chemistry (journal)PyreneEnvironmental chemistryOrganic chemistryChromatographyIonizationIonMolecule

Résumé

récupéré en direct d'OpenAlex

The response of atmospheric pressure chemical ionization (APCI) mass spectrometry to selected polycyclic aromatic compounds (PACs) was examined in a Micromass Quattro atmospheric pressure ion source as a function of both solvents and source gases. Typical PACs found in petroleum samples were represented by mixtures of naphthalene, fluorene, phenanthrene, pyrene, fluoranthene, chrysene, triphenylene, perylene, carbazole, dibenzothiophene, and 9-phenanthrol. A large range of different gases in the APCI source was studied, with emphasis on nitrogen, air, and carbon dioxide. Solvents used included water-acetonitrile, acetonitrile, dichloromethane, and hexanes. The signal responses were dependent on both the gases and solvents used, as was the ionization mechanism, as indicated by the degree of protonation with respect to the level of charge exchange. The combination of carbon dioxide in the nebulizer gas stream with nitrogen in the other streams gave a three- to fourfold better sensitivity than using nitrogen alone for both test mixtures and for complex samples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,616

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,266
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society for Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207