Nontargeted Screening Using Gas Chromatography–Atmospheric Pressure Ionization Mass Spectrometry: Recent Trends and Emerging Potential
Notice bibliographique
Résumé
Gas chromatography-high-resolution mass spectrometry (GC-HRMS) is a powerful nontargeted screening technique that promises to accelerate the identification of environmental pollutants. Currently, most GC-HRMS instruments are equipped with electron ionization (EI), but atmospheric pressure ionization (API) ion sources have attracted renewed interest because: (i) collisional cooling at atmospheric pressure minimizes fragmentation, resulting in an increased yield of molecular ions for elemental composition determination and improved detection limits; (ii) a wide range of sophisticated tandem (ion mobility) mass spectrometers can be easily adapted for operation with GC-API; and (iii) the conditions of an atmospheric pressure ion source can promote structure diagnostic ion-molecule reactions that are otherwise difficult to perform using conventional GC-MS instrumentation. This literature review addresses the merits of GC-API for nontargeted screening while summarizing recent applications using various GC-API techniques. One perceived drawback of GC-API is the paucity of spectral libraries that can be used to guide structure elucidation. Herein, novel data acquisition, deconvolution and spectral prediction tools will be reviewed. With continued development, it is anticipated that API may eventually supplant EI as the de facto GC-MS ion source used to identify unknowns.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,005 | 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 ».