UHPLC/ESI Q-Orbitrap Quantitation of 655 Pesticide Residues in Fruits and Vegetables—A Companion to an nDATA Working Flow
Notice bibliographique
Résumé
BACKGROUND: Effective and expansive methods for multiresidue pesticide analysis are desired for routine monitoring programs. These methods are complex, especially when several hundred pesticides are involved. OBJECTIVE: Two approaches to sort data and identify isomers and isobaric ions in pesticide mixtures were evaluated to determine whether they could be differentiated by mass resolving power and/or chromatographic resolution. METHOD: This study presents an application of ultra-high performance liquid chromatography electrospray Q-Orbitrap mass spectrometry (UHPLC/ESI Q-Orbitrap) along with QuEChERS for the quantitation of 655 pesticide residues in fruits and vegetables. RESULTS: From the developed method, 94.7% of the 655 pesticides in fruits and 93.9% of those in vegetables had recoveries between 81% and 110%; 98.3% in both fruits and vegetables had an intermediate precision of ≤20%; and 97.7% in fruits or 97.4% in vegetables showed measurement uncertainty of ≤50%. When the retention time difference (ΔtR) of two isomers was ≥0.12 min, they were chromatographically resolved. Twenty five out of 35 pairs or groups of isomers were chromatographically separated (ΔtR ≥ 0.12 min), but 14 pairs were not resolved (ΔtR < 0.12 min). There were 493 pairs of pesticides with a mass-to-charge difference of <1 Da. Only one pair of isobaric ions could not be separated by mass and chromatographic resolution. HIGHLIGHTS: UHPLC/ESI Q-Orbitrap along with QuEChERS sample preparation offers a practical quantitative companion method to a non-target data acquisition for target analysis workflow for pesticide residue analysis in routine monitoring programs for food safety.
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 | 0,000 |
| 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 ».