Sequential Solid-Phase Microextraction with Biocompatible Coating Materials to Address Displacement Effects in the Quantitative Analysis
Notice bibliographique
Résumé
Solid-phase microextraction (SPME) is a simple and effective sample-preparation technique for the analysis of complex samples. However, sample matrices containing high concentrations of nonpolar substances or spiked analytes in free form can cause swelling, saturation, and/or competition phenomena in the coating material. This results in a displacement effect wherein polar analytes with low affinities for the solid coating material are displaced by nonpolar substances in the matrix or spiked analytes with a high affinity. Therefore, the quantitative analysis of polar analytes can be challenging, as the displacement effect causes non-linearity in the calibration curves. This paper presents a comprehensive investigation of the conditions under which the displacement effect occurs and how it influences the quantitative analysis of polar analytes. To remedy this issue, a sequential SPME strategy using two SPME blades with different selectivities is applied. SPME blades offer a large surface area and coating volume─and thus, greater extraction capacity─which may mitigate the displacement effect. In addition, the biocompatible coatings on the SPME blades are comprised of small amounts of sorbent particles embedded by a polyacrylonitrile (PAN) binder, which allows them to be directly immersed into complex matrixes such as biological and food samples, as the PAN acts as a barrier that prevents the adsorption of large macromolecules (e.g., cells and proteins). As such, a C18/PAN-coated blade was applied for the first extraction step, which significantly decreased the concentrations of nonpolar compounds in the sample. In the second step, a hydrophilic–lipophilic balanced (HLB)/PAN-coated blade was employed to extract the polar analytes and any remaining nonpolar analytes. The proposed sequential SPME strategy successfully enabled the quantitative determination of polar and nonpolar drugs of abuse with log P values ranging from 0.16 to 4.98 in biological matrices while also providing good linearities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».