Systematic Evaluation of Different Coating Chemistries Used in Thin-Film Microextraction
Notice bibliographique
Résumé
A systematic evaluation of eight different coatings made of solid phase extraction (SPE) and carbon-based sorbents immobilized with polyacrylonitrile in the thin-film microextraction (TFME) format using LC-MS/MS was described. The investigated coatings included graphene, graphene oxide, multi-walled carbon nanotubes (MWCNTs), carboxylated MWCNTs, as carbon-based coatings, and polystyrene-divinylbenzene (PS-DVB), octadecyl-silica particles (C18), hydrophilic-hydrophobic balance particles (HLB) and phenyl-boronic acid modified particles (PBA), as SPE-based coatings. A total of 24 compounds of diverse moieties and of a wide range of polarities (log P from -2.99 to 6.98) were selected as probes. The investigated coatings were characterized based on their extraction performance toward the selected probes at different pH values and at optimized desorption conditions. In the case of SPE-based coatings, PS-DVB and HLB exhibited a balanced extraction for compounds within a wide range of polarities, and C18 showed superior extraction recoveries for non-polar analytes. Carbon-based coatings showed high affinity for non-polar compounds given that their main driving force for extraction is hydrophobic interactions. Interestingly, among the studied carbon-based coatings, graphene oxide showed the best extraction capabilities toward polar compounds owing to its oxygen-containing groups. Overall, this work provided important insights about the extraction mechanisms and properties of the investigated coatings, facilitating the coating selection when developing new TFME applications.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».