Untargeted Screening and Distribution of Organo-Iodine Compounds in Sediments from Lake Michigan and the Arctic Ocean
Notice bibliographique
Résumé
The majority of halogenated organic compounds present in the environment remain unidentified. To address this data gap, we recently developed an untargeted method (data-independent precursor isolation and characteristic fragment; DIPIC-Frag) for identification of unknown organo-bromine compounds. In this study, the method was adapted to enable untargeted screening of natural and synthetic organo-iodine compounds (NSOICs) in sediments. A total of 4,238 NSOIC peaks were detected in sediments from Lake Michigan. Precursor ions and formulas were determined for 2,991 (71%) of the NSOIC peaks. These compounds exhibited variations in abundances (<10(3) to ∼10(7)), m/z values (206.9304-996.9474), retention times (1.0-29.7 min), and number of iodine atoms (1-4). Hierarchical cluster analysis showed that sediments in closer proximity exhibited similar profiles of NSOICs. NSOICs were screened in 10 samples of sediment from the Arctic Ocean to compare the profiles of NSOICs between freshwater and marine sediments. A total of 3,168 NSOIC peaks were detected, and profiles of NSOICs in marine sediments were clearly distinct from Lake Michigan. The coexistence of brominated and iodinated analogues indicated that some NSOICs are of natural origin. Different ratios of abundances of iodinated compounds to brominated analogues were observed and proposed as a marker to distinguish sources of NSOICs.
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 | 0,004 |
| 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 ».