MétaCan
Menu
Retour à la cohorte
Enregistrement W4377013443 · doi:10.1021/acs.analchem.3c00093

Second-Dimension Temperature Programming System for Comprehensive Two-Dimensional Gas Chromatography. Part 2: Technical Improvements and Compatibility with Flow Modulation and Time-of-Flight Mass Spectrometry

2023· article· en· W4377013443 sur OpenAlexafffund
H. Chow, Tadeusz Górecki

Notice bibliographique

RevueAnalytical Chemistry · 2023
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryReproducibilityTwo-dimensional gasAnalytical Chemistry (journal)Mass spectrometryChromatographyCompatibility (geochemistry)Gas chromatographyGas chromatography–mass spectrometryRetention timeTwo-dimensional chromatographyModulation (music)Chemical engineering

Résumé

récupéré en direct d'OpenAlex

The second-dimension ( 2 D) temperature programming system ( 2 DTPS) for comprehensive two-dimensional gas chromatography (GC × GC) described in Part 1 was updated and tested with the time-of-flight mass spectrometer (TOFMS) and flow modulator. Addition of a real-time clock and remote port allowed the 2 DTPS to be a truly standalone system to be used with any GC × GC instrument. GC × GC reproducibility with the 2 DTPS was tested with thermal and flow modulation, coupled with the TOFMS and/or FID to demonstrate compatibility with all typical GC × GC setups. An improvement in the match factor, reverse match factor, and signal-to-noise ratio was found when performing 2 D temperature programming. Within-day and day-to-day reproducibility of the 2 DTPS for the 1 D retention time (≤0.04 and ≤0.05%), 2 D retention time (≤0.36 and ≤0.52%), and peak area (≤2.47 and ≤3.37%) were acceptable, while providing flexibility in 2 D optimization and improved peak capacity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,008

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 GPT0,241
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207