Advanced oxidation using Fe3O4 magnetic nanoparticles and its application in mercury speciation analysis by high performance liquid chromatography-cold vapor generation atomic fluorescence spectrometry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A novel, green and efficient post-column oxidation method using Fe(3)O(4) magnetic nanoparticles (MNPs) was developed to on-line convert hydride generation/cold vapor generation (HG/CV) inactive species to their active species without microwave/UV irradiation. It was applied to high performance liquid chromatography HG/CV atomic fluorescence spectrometry (HPLC-HG/CV-AFS) to enable sensitive speciation analysis of both HG/CV inactive and active species. Inorganic mercury (Hg(2+)), methylmercury (MeHg), ethylmercury (EtHg) and phenylmercury (PhHg) were selected as model compounds to validate the methodology. Separation of these mercury species was accomplished on a RP-C18 column with a mixture of acetonitrile and water (10 : 90) at pH 6.8 containing 0.12% (m/v) L-cysteine as the mobile phase. In the presence of 0.6% (v/v) H(2)O(2), on-line conversion of the organomercury species eluted from the HPLC column to Hg(2+) was obtained using the advanced oxidation method at pH 2.0. Optimum conditions for the separation, oxidation and cold vapor generation were carefully investigated. The limits of detection (LODs) were 0.7, 1.1, 0.8 and 0.9 μg L(-1) (as Hg) for Hg(2+), MeHg, EtHg and PhHg, respectively, corresponding to 14, 22, 16 and 18 pg absolute detection limits for Hg(2+), MeHg, EtHg and PhHg by using a 20 μL sample loop, which are comparable to or better than those previously reported. National Research Council Canada DORM-2 fish muscle tissue and several real water samples were analyzed to validate the accuracy of the proposed 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.
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 | 0,002 |
| 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) | 0,000 | 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 découle