Analysis of Natural Toxins by Liquid Chromatography-Chemiluminescence Nitrogen Detection and Application to the Preparation of Certified Reference Materials
Notice bibliographique
Résumé
The implementation of instrumental analytical methods such as LC-MS for routine monitoring of toxins requires the availability of accurate calibration standards. This is a challenge because many toxins are rare, expensive, dangerous to handle, and/or unstable, and simple gravimetric procedures are not reliable for establishing accurate concentrations in solution. NMR has served as one method of qualitative and quantitative characterization of toxin calibration solution Certified Reference Materials (CRMs). LC with chemiluminescence N detection (LC-CLND) was selected as a complementary method for comprehensive characterization of CRMs because it provides a molar response to N. Here we report on our investigation of LC-CLND as a method suitable for quantitative analysis of nitrogenous toxins. It was demonstrated that a wide range of toxins could be analyzed quantitatively by LC-CLND. Furthermore, equimolar responses among diverse structures were established and it was shown that a single high-purity standard such as caffeine could be used for instrument calibration. The limit of detection was approximately 0.6 ng N. Measurement of several of Canada's National Research Council toxin CRMs with caffeine as the calibrant showed precision averaging 2% RSD and accuracy ranging from 97 to 102%. Application of LC-CLND to the production of calibration solution CRMs and the establishment of traceability of measurement results are presented.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,006 |
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 ».