MétaCan
Menu
Retour à la cohorte
Enregistrement W2122130614 · doi:10.1002/jssc.201500143

Hydrophilic interaction liquid chromatography for the separation of acidic agricultural compounds

2015· article· en· W2122130614 sur OpenAlexaff
Peilin Yang, Matthias Pursch

Notice bibliographique

RevueJournal of Separation Science · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensDow Chemical (Canada)
Organismes subventionnairesnon disponible
Mots-clésChromatographyHydrophilic interaction chromatographyChemistrySeparation (statistics)High-performance liquid chromatographyEnvironmental chemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Organic acids with very low pKa require extremely low pH conditions to achieve adequate retention in reversed-phase liquid chromatography, but an extremely low pH mobile phase can cause instrument reliability problems and limit the choice of columns. Hydrophilic interaction chromatography is a potential alternative to reversed-phase liquid chromatography for the separation of organic acids using more moderate conditions. However, the hydrophilic interaction chromatography separation mechanism is known to be very complex and involves multiple competing mechanisms. In the present study, a hydrophilic interaction chromatography column packed with bare silica core-shell particles was used as the separation column and six agricultural organic acids were used as model analytes to evaluate the effects of buffer concentration, buffer pH, and temperature on sample loading capacity, selectivity, retention, and repeatability. It was found that using a higher concentration of buffer can lead to a significant improvement in the overall performance and reproducibility of the separation. Investigation of column equilibration time revealed that a very long equilibration time is needed when changing mobile phase conditions in between runs. This limitation needs to be acknowledged in hydrophilic interaction chromatography method development and sufficient equilibration time needs to be allowed in method scouting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,037
Tête enseignante GPT0,341
Écart entre enseignants0,304 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Separation ScienceMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207