Rapid screening procedures for a variety of complex forensic samples using laser diode thermal desorption (LDTD) coupled to different mass spectrometers
Notice bibliographique
Résumé
RATIONALE: The applications shared in this paper demonstrate the wide variety of samples that can be analyzed when Laser Diode Thermal Desorption (LDTD) is interfaced with a high-resolution mass spectrometer and show the speed at which high quality data can be generated from complex matrices. METHODS: Samples are solvent extracted and spotted in a 96-well plate. In the case of biological fluids, hydrolysis followed by solid-phase extraction is required. The solvent in the 96-well plate is evaporated followed by mass spectrometric (MS) analysis with atmospheric pressure chemical ionization. Where applicable, the instrument is operated in data-dependent mode, with a full-scan mass spectrum followed by MS/MS spectra of the top 10 ions with a total runtime of 0.4 min. RESULTS: Four applications (MAAQ and Tear Gas, twelve rodenticides, seven explosives, and 40 drugs of abuse) are reported in this paper. MAAQ, tear gas, and rodenticides were identified by full-scan, followed by MS/MS experiments at levels of 125 μg/L, 125 μg/L, and 500 μg/L, respectively. Explosives were all identified at 102 μg/L by full-scan experiments. The drugs of abuse were identified by multiple reaction monitoring (MRM) experiments at defined cutoff levels from 2 to 1000 μg/L. CONCLUSIONS: Interfacing LDTD with a mass spectrometer allows for rapid screening of a wide range of samples, with either minimal or complex sample preparation. Using a high-resolution mass spectrometer with the combination to perform full-scan and MS/MS experiments adds a high level of specificity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».