Leveraging 3D printing to enhance mass spectrometry: A review
Notice bibliographique
Résumé
The use of 3D printing in the chemical and analytical sciences has gained a lot of momentum in recent years. Some of the earliest publications detailed 3D-printed interfaces for mass spectrometry, which is an evolving family of powerful detection techniques. Since then, the application of 3D printing for enhancing mass spectrometry has significantly diversified, with important reasons for its application including flexible integration of different parts or devices, fast customization of setups, additional functionality, portability, cost-effectiveness, and user-friendliness. Moreover, computer-aided design (CAD) and 3D printing enables the rapid and wide distribution of scientific and engineering knowledge. 3D printers allow fast prototyping with constantly increasing resolution in a broad range of materials using different fabrication principles. Moreover, 3D printing has proven its value in the development of novel technologies for multiple analytical applications such as online and offline sample preparation, ionization, ion transport, and developing interfaces for the mass spectrometer. Additionally, 3D-printed devices are often used for the protection of more fragile elements of a sample preparation system in a customized fashion, and allow the embedding of external components into an integrated system for mass spectrometric analysis. This review comprehensively addresses these developments, since their introduction in 2013. Moreover, the challenges and choices with respect to the selection of the most appropriate printing process in combination with an appropriate material for a mass spectrometric application are addressed; special attention is paid to chemical compatibility, ease of production, and cost. In this review, we critically discuss these developments and assess their impact on mass spectrometry.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».