Liquid Chromatography Online with Selected Reaction Monitoring Electrospray Mass Spectrometry for the Determination of Organoarsenic Species in Crude Extracts of Marine Reference Materials
Notice bibliographique
Résumé
The large number of arsenic species known to be present in marine samples and their broad range of chemical properties pose a significant challenge for arsenic speciation analysis. The predominantly used ICPMS detection online with HPLC only provides element-selective information, which is not sufficient for the identification of arsenic species without standards. However, electrospray tandem mass spectrometry in the selected reaction monitoring (SRM) mode enables molecule-selective detection with high sensitivity for quantification. A new HPLC-ES-SRM method was developed for the determination of more than 20 organoarsenic species. Two chromatographic systems were compared, an anion exchange method and a combined cation anion exchange method. Collision-induced dissociation breakdown curves were constructed for all arsenic species investigated and used to optimize the SRM conditions. External calibration was performed with mixed standard solutions containing 21 arsenic species. Two SRM transitions were monitored for most of the analytes, and their intensity ratio was used for quality control. The developed methods were applied for the quantification of arsenic species in extracts of four marine reference materials. Spiking experiments revealed, especially for the early-eluting analytes on the anion exchange system, significant signal suppression by coeluting matrix constituents. Therefore, the standard addition approach was used for quantification. AsB, the major arsenic species in tuna CRM 627 and DORM-2, was accurately quantified with the combined cation anion exchange ES-SRM method.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».