Differential Mobility Spectrometry of Isomeric Protonated Dipeptides: Modifier and Field Effects on Ion Mobility and Stability
Notice bibliographique
Résumé
The ability to resolve isomeric protonated dipeptides was investigated with the new technique of differential ion mobility mass spectrometry that uses "modifier" molecules to enhance differential mobility. Two pairs of protonated peptides [glycine-alanine (GlyAla) and alanine-glycine (AlaGly), glycine-serine (GlySer) and serine-glycine (SerGly)] and eight different modifiers (water, 2-propanol, 1,5-hexadiene, 2-chloropropane, chlorobenzene, dichloromethane, acetonitrile, and cyclohexane) were used in the initial study. Separation of the protonated peptides was found to be dependent on the mass and proton affinity of the modifier and combinations of functionalities present in the modifier and the analyte ion. Six of the eight modifiers (water, 2-propanol, chlorobenzene, cyclohexane, dichloromethane, and acetonitrile) were able to separate the protonated isomeric peptide pairs, and generally, modifiers with electron-rich groups performed the best. In the presence of some modifiers, a reduction of ion current was observed under the highest field conditions (>115 Td). Dopant-catalyzed isomerization, likely by proton-transport catalysis, and field-induced fragmentation may have contributed to these losses. Two high vapor pressure modifiers, 1,5-hexadiene and 2-chloropropane, significantly influenced ion formation leading to the formation of stable cluster populations that could be observed in the mass spectrometer. Although not a major concern, both fragmentation and influence of modifier evaporation warrant further studies in order to fully understand and possibly eliminate them.
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) | 0,006 | 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 ».