Effects-driven chemical fractionation of heavy fuel oil to isolate compounds toxic to trout embryos
Notice bibliographique
Résumé
Heavy fuel oil (HFO) spills account for approximately 60% of ship-source oil spills and are up to 50 times more toxic than medium and light crude oils. Heavy fuel oils contain elevated concentrations of polycyclic aromatic hydrocarbons (PAHs) and alkyl-PAHs, known to be toxic to fish; however, little direct characterization of HFO toxicity has been reported. An effects-driven chemical fractionation was conducted on HFO 7102 to separate compounds with similar chemical and physical properties, including toxicity, to isolate the groups of compounds most toxic to trout embryos. After each separation, toxicity tests directed the next phase of fractionation, and gas chromatography-mass spectrometry analysis correlated composition with toxicity, with a focus on PAHs. Low-temperature vacuum distillation permitted the separation of HFO into 3 fractions based on boiling point ranges. The most toxic of these fractions underwent wax precipitation to remove long-chain n-alkanes. The remaining PAH-rich extract was further separated using open column chromatography, which provided distinct fractions that were grouped according to increasing aromatic ring count. The most toxic of these fractions was richest in PAHs and alkyl-PAHs. The results of the present study were consistent with previous crude oil studies that identified PAH-rich fractions as the most toxic.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».