MétaCan
Menu
Retour à la cohorte
Enregistrement W2162473352 · doi:10.1002/jssc.200900005

Separation of natural product using columns packed with Fused‐Core particles

2009· article· en· W2162473352 sur OpenAlexaff
Peilin Yang, George R. Litwinski, Matthias Pursch, Terry McCabe, Krishna Kuppannan

Notice bibliographique

RevueJournal of Separation Science · 2009
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensDow Chemical (Canada)
Organismes subventionnairesnon disponible
Mots-clésChromatographyColumn (typography)Packed bedHigh-performance liquid chromatographyAnalytical Chemistry (journal)ChemistryPorosityCore (optical fiber)Materials scienceInstrumentation (computer programming)Composite material

Résumé

récupéré en direct d'OpenAlex

Three HPLC columns packed with 3 microm, sub-2 microm, and 2.7 microm Fused-Core (superficially porous) particles were compared in separation performance using two natural product mixtures containing 15 structurally related components. The Ascentis Express C18 column packed with Fused-Core particles showed an 18% increase in column efficiency (theoretical plates), a 76% increase in plate number per meter, a 65% enhancement in separation speed and a 19% increase in back pressure compared to the Atlantis T3 C18 column packed with 3 microm particles. Column lot-to-lot variability for critical pairs in the natural product mixture was observed with both columns, with the Atlantis T3 column exhibiting a higher degree of variability. The Ascentis Express column was also compared with the Acquity BEH column packed with sub-2 microm particles. Although the peak efficiencies obtained by the Ascentis Express column were only about 74% of those obtained by the Acquity BEH column, the 50% lower back pressure and comparable separation speed allowed high-efficiency and high-speed separation to be performed using conventional HPLC instrumentation.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,343
Écart entre enseignants0,312 · 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

Citations17
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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