Matrix‐free laser desorption/ionization mass spectrometry using silicon glancing angle deposition (GLAD) films
Notice bibliographique
Résumé
Glancing angle deposition (GLAD) was used to fabricate nanostructured silicon (Si) thin films with highly controlled morphology for use in laser desorption/ionization mass spectrometry (DIOS-MS). Peptides, drugs and metabolites in the mass range of 150-2500 Da were readily analyzed. The best performance was obtained with 500 nm thick films deposited at a deposition angle of 85 degrees . Low background mass spectra and attomole detection limits were observed with DIOS-MS for various peptides. Films used after three months of dry storage in ambient conditions produced mass spectra with negligible low-mass noise following a 15 min UV-ozone treatment. The performance of the Si GLAD films was as good as or better than that reported for electrochemically etched porous silicon and related materials, and was superior to matrix-assisted laser desorption/ionization (MALDI)-MS for analysis of mixtures of small molecules between 150-2500 Da in terms of background chemical noise, detection limits and spot-to-spot reproducibility. The spot-to-spot reproducibility of signal intensities (100 shots/spectrum) from 21 different Si GLAD film targets was +/-13% relative standard deviation (RSD). The single shot-to-shot reproducibility of signals on a single target was +/-19% RSD (n = 7), with no indication of sweet spots or mute spots.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».