MétaCan
Menu
Retour à la cohorte

Effects of matrix‐assisted laser desorption/ionization experimental conditions on quantitative compositional analysis of ethylene oxide/propylene oxide copolymers

2000· article· en· W4247579635 sur OpenAlexaff
Rui Chen, Nan Zhang, Amy M. Tseng, Liang Li

Notice bibliographique

RevueRapid Communications in Mass Spectrometry · 2000
Typearticle
Langueen
DomaineChemistry
ThématiqueChemical Thermodynamics and Molecular Structure
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChemistryEthylene oxidePropylene oxideCopolymerDesorptionOxideMatrix (chemical analysis)IonizationQuantitative analysis (chemistry)Soft laser desorptionChemical engineeringPolymer chemistryInorganic chemistryMatrix-assisted laser desorption/ionizationOrganic chemistryChromatographyPolymerIonAdsorption

Résumé

récupéré en direct d'OpenAlex

Matrix-assisted laser desorption/ionization (MALDI) mass spectrometry has the potential to become a valuable tool for the compositional analysis of copolymers. For a copolymer composed of structurally very similar building blocks with minor chain length changes, one would expect the relative peak intensities observed in the MALDI mass spectra to reflect its composition, at least within a narrow mass range. However, we show that variations in experimental conditions in MALDI can have a significant effect on the mass spectral appearance of a copolymer. The effects of concentration, laser power, type of matrices and solvents on mass spectra of an ethylene oxide/propylene oxide copolymer are illustrated. These somewhat surprising results show that great care needs to be exercised when interpreting copolymer spectra for compositional analysis, even for copolymers with structurally similar monomers. This work also points out that further studies are needed to better understand and optimize spectral acquisition conditions for reliable copolymer compositional analysis by MALDI. Copyright © 2000 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,297
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Communications in Mass SpectrometryMême sujetChemical Thermodynamics and Molecular StructureTravaux en français237 207