Trace level impurity method development with high‐field asymmetric waveform ion mobility spectrometry: systematic study of factors affecting the performance
Notice bibliographique
Résumé
For the determination of trace level impurities, analytical chemists are confronted with complex mixtures and difficult separations. New technologies such as high-field asymmetric waveform ion mobility spectrometry (FAIMS) have been developed to make their work easier; however, efficient method development and troubleshooting can be quite challenging if little prior knowledge of the factors or their settings is available. We present the results of an investigation performed in order to obtain a better understanding of the FAIMS technology. The influence of eight factors (polarity of dispersion voltage, outer bias voltage, total gas flow rate, composition of the carrier gas (e.g. %He), outer electrode temperature, ratio between the temperatures of the inner and outer electrodes, flow rate and composition of the make-up mobile phase) was assessed. Five types of responses were monitored: value of the compensation voltage (CV), intensity, width and asymmetry of the compensation voltage peak, and resolution between two peaks. Three types of studies were performed using different test mixtures and various ionisation modes to assess whether the same conclusions could be drawn across these conditions for a number of different types of compounds. To extract the maximum information from as few experiments as possible, a Design of Experiment (DoE) approach was used. The results presented in this work provide detailed information on the factors affecting FAIMS separations and therefore should enable the user to troubleshoot more effectively and to develop efficient methods.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 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 ».