Simplified universal method for determining electrolyte temperatures in a capillary electrophoresis instrument with forced‐air cooling
Notice bibliographique
Résumé
Temperature increase due to resistive electrical heating is an inherent limitation of capillary electrophoresis (CE). Active cooling systems are used to decrease the temperature of the capillary, but their capacity is limited; and in addition, they leave "hot spots" at the detection interface and at the capillary ends. Until recently, the matter was complicated by the lack of a fast and generic method for temperature determination in efficiently and inefficiently cooled regions of the capillary. Our group recently introduced such a method, termed "Universal Method for determining Electrolyte Temperatures" (UMET). UMET is a probe-less approach that requires only measuring current versus voltage for different voltages and processing the data using an iterative algorithm. Here, we apply UMET to develop a Simplified Universal Method of Temperature Determination (SUMET) for a CE instrument with a forced-air cooling system using an Agilent 7100 CE instrument (Agilent Technologies, Saint Laurent, Quebec, Canada) as an example. We collected a wide set of empirical voltage-current data for a variety of buffers and capillary diameters. We further constructed empirical equations for temperature calculation in efficiently and inefficiently cooled parts of the capillary that require only the data from a single 1-min voltage-current measurement. The equations are specific for the Agilent 7100 CE instrument (Agilent Technologies) but can be applied to all kinds of capillaries and buffers. Similar SUMET approaches can be developed for other CE instruments with forced-air cooling using our approach.
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) | 0,001 | 0,001 |
| 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 ».