Comprehensive Analysis of Oil Sands Processed Water by Direct-Infusion Fourier-Transform Ion Cyclotron Resonance Mass Spectrometry with and without Offline UHPLC Sample Prefractionation
Notice bibliographique
Résumé
Oil sands processed water (OSPW) is the main byproduct of the large-scale bitumen extraction activity in the Athabasca oil sands region (Alberta, Canada). We have investigated the acid-extractable fraction (AEF) of OSPW by extraction-only (EO) direct infusion (DI) negative-ion mode electrospray ionization (ESI) on a 12T-Fourier transform ion cyclotron resonance mass spectrometer (FTICR-MS), as well as by offline ultrahigh performance liquid chromatography (UHPLC) followed by DI-FTICR-MS. A preliminary offline UHPLC separation into 8 fractions using a reversed-phase C4 column led to approximately twice as many detected peaks and identified compounds (973 peaks versus 2231 peaks, of which 856 and 1734 peaks, respectively, could be assigned to chemical formulas based on accurate mass measurements). Conversion of these masses to the Kendrick mass scale allowed the straightforward recognition of homologues. Naphthenic (CnH2n+zO2) and oxy-naphthenic (CnH2n+zOx) acids represented the largest group of molecules with assigned formulas (64%), followed by sulfur-containing compounds (23%) and nitrogen-containing compounds (8%). Pooling of corresponding fractions from two consecutive offline UHPLC runs prior to MS analysis resulted in ~50% more assignments than a single injection, resulting in 3-fold increase of identifications compared to EO-DI-FTICR-MS using the same volume of starting material. Liquid-liquid extraction followed by offline UHPLC fractionation thus holds enormous potential for a more comprehensive profiling of OSPW, which may provide a deeper understanding of its chemical nature and environmental impact.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».