Analysis of nitrosamines by capillary electrospray‐high‐field asymmetric waveform ion mobility spectrometry‐MS with programmed compensation voltage
Notice bibliographique
Résumé
Emerging disinfection by-products (DBPs) in drinking water are an important public health concern. Certain DBPs, such as nitrosamines, are probable carcinogens, and exposure to halogenated DBPs may lead to birth defects. It is difficult to obtain complete separation of nitrosamines by chromatographic techniques. Thus we explored high-field asymmetric waveform ion mobility spectrometry (FAIMS) as an alternative separation technique for the characterization of individual DBPs in a complex matrix. We first used ESI-FAIMS-MS to separate four nitrosamines: N-nitrosodi-n-butylamine (NDBA), N-nitrosodi-n-propylamine (NDPA), N-nitrosopiperidine (NPip), and N-nitrosodiethylamine (NDEA) in the compensation voltage (CV) spectra. The optimal CVs with a fixed dispersion voltage of -4000 V were found to be -1.2 V (NDBA), 2.7 V (NDPA), 7.5 V (NPip) and 10.1 V (NDEA). In addition, FAIMS-MS effectively reduced the chemical noise and dramatically improved the LODs by as much as tenfold compared to the conventional ESI-MS technique. To further improve sensitivity, an on-line CE system was used in combination with FAIMS-MS to take advantage of the higher ionization efficiency. The calibration curves for the four nitrosamines were linear over a range of 5 ng/mL to 1000 ng/mL with an r(2 )value of 0.9929 to 0.9992. To increase sample throughput, a multiple-injection strategy was developed, in which the CV values were preprogrammed so that the FAIMS device allowed different nitrosamines to pass through at selected time windows. The potential application of the proposed method was demonstrated for the analysis of drinking water samples spiked with nitrosamines.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| 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 ».