Rapid biomonitoring of perfluoroalkyl substance exposures in serum by multisegment injection‐nonaqueous capillary electrophoresis‐tandem mass spectrometry
Notice bibliographique
Résumé
Abstract Perfluoroalkyl substances (PFASs) are a major contaminant class due to their ubiquitous prevalence, persistence, and putative endocrine disrupting activity that may contribute to chronic disease risk notably with exposures early in life. Herein, multisegment injection‐nonaqueous capillary electrophoresis‐tandem mass spectrometry (MSI‐NACE‐MS/MS) is introduced as a high throughput approach for PFAS screening in serum samples following a simple methyl‐ tert ‐butyl ether (MTBE) liquid extraction. Separation and ionization conditions were optimized to quantify low nanomolar concentration levels of perfluorooctanoic acid (PFOA) and perfluorooctanesulfonic acid (PFOS) from serum extracts when using multiple reaction monitoring under negative ion mode conditions. Multiplexed separations of PFOA and PFOS were achieved with excellent throughput (<3 min/sample), adequate concentration sensitivity (LOD ∼ 20 nM, S/N = 3) and good technical precision over three consecutive days of analysis (mean CV = 9.1%, n = 84). Accurate quantification of PFASs was demonstrated in maternal serum samples (n = 16) when using MSI‐CE‐MS/MS following pre‐column sample enrichment with median concentrations of 3.46 nM (0.7‐9.0 nM) and 3.29 nM (1.5‐6.6 nM) for PFOA and PFOS, respectively. This was lower than average PFAS exposures measured in pregnant women who had serum collected prior to 2009 likely due to subsequent phase out of their production. Overall, this method offers a convenient approach for large‐scale biomonitoring of environmental exposures to legacy PFASs and their emerging replacements that is relevant to maternal health and chronic disease risk assessment in children.
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 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».