The strength in numbers: comprehensive characterization of house dust using complementary mass spectrometric techniques
Notice bibliographique
Résumé
Untargeted analysis of a composite house dust sample has been performed as part of a collaborative effort to evaluate the progress in the field of suspect and nontarget screening and build an extensive database of organic indoor environment contaminants. Twenty-one participants reported results that were curated by the organizers of the collaborative trial. In total, nearly 2350 compounds were identified (18%) or tentatively identified (25% at confidence level 2 and 58% at confidence level 3), making the collaborative trial a success. However, a relatively small share (37%) of all compounds were reported by more than one participant, which shows that there is plenty of room for improvement in the field of suspect and nontarget screening. An even a smaller share (5%) of the total number of compounds were detected using both liquid chromatography-mass spectrometry (LC-MS) and gas chromatography-mass spectrometry (GC-MS). Thus, the two MS techniques are highly complementary. Most of the compounds were detected using LC with electrospray ionization (ESI) MS and comprehensive 2D GC (GC×GC) with atmospheric pressure chemical ionization (APCI) and electron ionization (EI), respectively. Collectively, the three techniques accounted for more than 75% of the reported compounds. Glycols, pharmaceuticals, pesticides, and various biogenic compounds dominated among the compounds reported by LC-MS participants, while hydrocarbons, hydrocarbon derivatives, and chlorinated paraffins and chlorinated biphenyls were primarily reported by GC-MS participants. Plastics additives, flavor and fragrances, and personal care products were reported by both LC-MS and GC-MS participants. It was concluded that the use of multiple analytical techniques was required for a comprehensive characterization of house dust contaminants. Further, several recommendations are given for improved suspect and nontarget screening of house dust and other indoor environment samples, including the use of open-source data processing tools. One of the tools allowed provisional identification of almost 500 compounds that had not been reported by participants.
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 | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».