MétaCan
Menu
Retour à la cohorte
Enregistrement W2317589235 · doi:10.1021/ac200636y

Mass Transport in a Micro Flow-Through Vial of a Junction-at-the-Tip Capillary Electrophoresis-Mass Spectrometry Interface

2011· article· en· W2317589235 sur OpenAlexaff
Xuefei Zhong, E. Jane Maxwell, David D. Y. Chen

Notice bibliographique

RevueAnalytical Chemistry · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésChemistryCapillary electrophoresisAnalytical Chemistry (journal)AnalyteMass spectrometryCapillary actionVolumetric flow rateLaminar flowChromatographyCapillary electrophoresis–mass spectrometryElectrophoresisMechanicsElectrospray ionization

Résumé

récupéré en direct d'OpenAlex

When coupling capillary electrophoresis with postcolumn detection methods, such as mass spectrometry, the presence of postcolumn band broadening must be considered. The band broadening effects introduced by junction-at-the-tip CE-MS interfaces using a postcolumn micro flow-through vial are investigated by studying the hydrodynamic flow patterns and mass transport process inside the micro vial at the end of the CE separation capillary. Simulation results obtained by solving the Navier-Stokes and mass balance equations provide insights into the velocity field and concentration distribution of the analytes in the micro vial and demonstrate that, with a low flow rate of chemical modifier solution, the laminar flow streams confine the analyte molecules to the central part of the micro vial and thus maintain major features of the peak shapes. Peaks detected by UV and MS under similar experimental conditions were compared to verify the numerical prediction that the main features of the UV peak can be retained in the MS peak. Experiments also show that band broadening can be minimized when an appropriate chemical modifier flow rate is selected.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

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

Citations68
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207