MétaCan
Menu
Retour à la cohorte
Enregistrement W2931776037 · doi:10.1038/s41598-019-41485-7

Differential Mobility Spectrometry of Ketones in Air at Extreme Levels of Moisture

2019· article· en· W2931776037 sur OpenAlexaff
Zahra Safaei, Gary A. Eiceman, Jarosław Puton, J. A. Stone, Molood Nasirikheirabadi, Osmo Anttalainen, Mika Sillanpää

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensQueen's University
Organismes subventionnairesTekes
Mots-clésMoistureChemistryAcetoneAnalytical Chemistry (journal)Detection limitMonomerIon-mobility spectrometryDimerProtonationIonMass spectrometryWater dimerChromatographyHydrogen bondMoleculeOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

Abstract The performance of a differential mobility spectrometer was characterized at ambient pressure and ten values of water vapor concentration, from 1.0 × 102 to 1.7 × 104 ppm using a homologous series of seven ketones from acetone to 2-dodecanone. Dispersion plots at 30 °C with separation fields from 35 to 123 Td exhibited increased alpha functions for the hydrated proton, protonated monomers, and proton bound dimers with increased moisture levels. Increases in the level of moisture were accompanied by decreased quantitative response with progressive suppression in the formation of the proton bound dimer first and then protonated monomer. Product ions for 2-octanone at 7 ppb were not observed above a moisture level of 4.0 × 103 ppm, establishing a limit for observation of analyte ion formation. The observation limit increased from 1.1 × 103 ppm for acetone to 5.7 × 103 ppm for 2-dodecanone. These findings demonstrate that ketones can be determined with a differential mobility spectrometry (DMS) analyzer near room temperature in the presence of elevated levels of moisture expected with the use of membrane inlets or headspace sampling of surface or ground waters. Moisture levels entering this DMS analyzer employed as an environmental monitor should be kept at 1.0 × 103 ppm or below and quantitative studies for individual ketones should be made at a fixed moisture level.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207