Untargeted Screening and Distribution of Organo-Bromine Compounds in Sediments of Lake Michigan
Notice bibliographique
Résumé
Previously unreported natural and synthetic organo-bromine compounds (NSOBCs) have been found to contribute more than 99% of total organic bromine (TOB) in environmental matrices. We recently developed a novel untargeted method (data-independent precursor isolation and characteristic fragment, DIPIC-Frag) and identified ∼2000 NSOBCs in two sediments from Lake Michigan. In this study, this method was used to investigate the distributions of these NSOBCs in 23 surficial samples and 24 segments of a sediment core from Lake Michigan. NSOBCs were detected in all 23 surficial samples and exhibited 10- to 100-fold variations in peak abundance among locations. The pattern of distributions of NSOBCs was correlated with depth of the water column (r(2) = 0.61, p < 0.001). Hierarchical cluster analysis showed that sediments in close proximity exhibited similar profiles of NSOBCs. Distributions of NSOBCs in 24 segments of a sediment core dated from 1766 to 2008 were investigated, and samples from similar depths exhibited similar profiles of NSOBCs. NSOBCs were grouped into four clusters (soft-cluster analysis) with different temporal trends of abundances. 515 and 768 of the NSOBCs were grouped into cluster 1 and cluster 3 with increasing temporal trends, especially since 1950, indicating that abundances of these compounds might have been affected by human activities.
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 | 0,000 | 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) | 0,000 | 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 ».