Breaching the 10 Second Barrier of Total Analysis Time for Complex Matrices via Automated Coated Blade Spray
Notice bibliographique
Résumé
In the development of modern analytical workflows, parameters such as sample turnaround time, cost of analysis, and ease of use must be prioritized. Automation enables reductions in total analysis time, human intervention, and cost per sample. In this report, a suitable automated coated blade spray (CBS) workflow is proposed for the screening and quantitation of multiple substances (i.e., drugs of abuse and pesticides) in complex matrices. In an attempt to reduce the total sample analysis time, several parameters were investigated, including tandem mass spectrometry (MS) dwell time, CBS spray time, and extraction time. Solid-phase microextraction (SPME) method parameters are explored, such as reduction of extraction time for increased signal-to-noise. Model compounds with a moderately wide range of molecular weights (150-500 Da), polarities, and structural diversity were selected in order to monitor analytical figures of merit during method optimization. The resultant automated CBS method proved capable of analyzing the model compounds in human urine in under 10 s total analysis time with excellent accuracy (95-120%) and precision (RSD < 12%). As an application, an automated method for the screening and quantitation of more than 150 pesticides from apple juice was demonstrated on both triple quadrupole and orbitrap instruments in under 15 s total sample analysis time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,099 | 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 ».