Unique ion filter—A data reduction tool for chemometric analysis of raw comprehensive two‐dimensional gas chromatography‐mass spectrometry data
Notice bibliographique
Résumé
Comprehensive gas chromatography with time of flight mass spectrometry is a powerful tool in the analysis of complex samples. Chemometric analysis of raw chromatographic data is more useful in one- and two-dimensional separations relative to peak tables. The data volume from such experiments generally necessitates the use of data reduction tools. Such tools often sacrifice some of the multivariate information in the mass to charge ratio dimension. The unique ion filter reduces the over-redundancy in two-dimensional gas chromatography-mass spectrometry data by limiting the data to a few unique/pseudo-unique ions, sub-peaks/slices in the first dimension, and spectra in the second dimension. We explore the performance of this algorithm through careful inspection of two-dimensional gas chromatography-mass spectrometry data before and after application of the filter. A reduction (99%) in the number of variables in a two-dimensional gas chromatography-mass spectrometry chromatogram passed on to subsequent analysis was observed. Feature selection times for model optimization reduced from 229 (±13) to 6.8 (±0.5) min when the filter was applied. An estimate of two unique/pseudo-unique ions, one sub-peak in the first dimension and five spectra in the second dimension were considered to provide a true representation of each chromatogram and provided enough information to achieve 100% model prediction accuracy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».