Freshwater sample preservation for the analysis of dissolved low molecular mass thiols
Notice bibliographique
Résumé
Abstract Low molecular mass (LMM) thiols are ubiquitous organosulfur peptides that play key roles in biogeochemical element cycling. These LMM thiols, found at low concentrations in the water column, are highly sensitive to oxidation and degradation processes which may lead to problems with detection and analysis. Natural water samples should be stored and handled appropriately to reduce thiol loss in the time period from sampling to analysis. Storage temperatures were investigated for optimal preservation of four thiols species. Thiol degradation varied between species and was generally slower in samples stored at −80°C and 4°C compared to −20°C and 21°C. Two natural freshwater matrices were tested, one from a fluvial lake subject to agricultural inputs and one from an oligotrophic pristine lake. After 6 d of storage at −20°C, the most affected thiol species was glutathione with a degradation rate ( k D ) of (3.0 ± 0.5) × 10 −3 h −1 in the fluvial lake water and l ‐cysteine‐ l ‐glycine (CYS‐GLY) with a k D of (3.8 ± 0.8) × 10 −3 h −1 in the oligotrophic lake water. Argon purging of samples did not prevent thiol degradation or oxidation after storage for 7 d. Pre‐concentration by freeze‐drying techniques led to significant loss for every thiol species tested (up to 65% for cysteine). We recommend improving storage methods by using temperatures of −80°C or 4°C. The use of correction factors to estimate initial thiol concentrations is possible but should be used with caution due to highly site‐specific k D in natural waters.
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 | 0,001 | 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 | 0,000 |
| 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 ».