A Validation Study on the Simultaneous Quantification of Multiple Wine Aroma Compounds with Static Headspace-Gas Chromatography-Ion Mobility Spectrometry (SHS-GC-IMS)
Notice bibliographique
Résumé
A new quantitative method based on static headspace−gas chromatography−ion mobility spectrometry (SHS−GC−IMS) is proposed, which enables the simultaneous quantification of multiple aroma compounds in wine. The method was first evaluated for its stability and the necessity of using internal standards as a quality control measure. The two major hurdles in applying GC-IMS in quantification studies, namely, non-linearity and multiple ion species, were also investigated using the Boltzmann function and generalized additive model (GAM) as potential solutions. Metrics characterizing the model performance, including root mean squared error, bias, limit of detection, limit of quantification, repeatability, reproducibility, and recovery were investigated. Both non-linear fitting methods, Boltzmann function and GAM, were able to return desirable analytical outcomes with an acceptable range of error. Potential pitfalls that would cause inaccurate quantification i.e., effects of ethanol content and competitive ionization, were also discussed. The performance of the SHS-GC-IMS method was subsequently compared against a currently established method, namely, GC-MS, using actual wine samples. These findings provide an initial validation of a GC-IMS-based quantification method, as well as a starting point for further enhancing the analytical scope of GC-IMS.
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 | 0,005 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».