Imaging of Geologic Samples Using Femtosecond – Laser Desorption Postionization – Mass Spectrometry
Notice bibliographique
Résumé
This study uses an MS-imaging method developed by Luke Hanley at the University of Illinois at Chicago, femtosecond – laser desorption post ionization – mass spectrometry (fs-LDPI-MS), which has the ability to make molecular maps of hydrocarbons across the surface and with depth of a sample, to study geologic material for the first time. We used fs-LDPI-MS in tandem with previous geochemical characterization and petrographic analysis to precisely determine the spatial distribution of hydrocarbons at the micron scale within geologic material. We performed analysis on two samples to observe the relationships between biomarkers and their mineral matrix. (1) A 93.5 million year old (Ma) sample which was deposited in the Western Interior Seaway (WIS) and (2) a 2.69 billion year old (Ga) sample from the Abitibi Greenstone Belt in Ontario, Canada. By observing hydrocarbon-host rock relationships, we were able to test hypotheses regarding the timing and mode of indigenous, non-indigenous, and contaminant biomarker emplacement within the samples. We were able to create a depth profile of a suite of contaminants emplaced within the 93.5 Ma sample and also to produce MS-images which display the spatial distribution of isorenieratene derivitives within the sample. We were also able to observe hydrocarbons within the 2.7 Ga samples, but we were unable to definitively locate or precisely date the biomarkers previously observed within the Archean samples.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».