Automated, High-Throughput Analysis of Tire-Derived <i>p</i>-Phenylenediamine Quinones (PPDQs) in Water by Online Membrane Sampling Coupled to MS/MS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The tire-derived contaminant N -(1,3-dimethylbutyl)- N ′-phenyl- p -phenylenediamine quinone (6-PPDQ) was recently identified as a potent toxin to coho salmon ( Oncorhynchus kisutch ). Studies investigating 6-PPDQ have employed solid-phase extraction (SPE) or liquid–liquid extraction (LLE) with liquid chromatography–mass spectrometry (LC-MS), providing excellent sensitivity and selectivity. However, cleanup and pre-enrichment steps (SPE/LLE) followed by chromatographic separation can be time- and cost-intensive, limiting sample throughput. The ubiquitous distribution of 6-PPDQ necessitates numerous measurements to identify hotspots for targeted mitigation. We recently developed condensed phase membrane introduction mass spectrometry (CP-MIMS) for rapid 6-PPDQ analysis (2.5 min/sample), with a simple workflow and low limit of detection (8 ng/L). Here, we describe improved quantitation using isotopically labeled internal standards and inclusion of a suite of PPDQ analogues. A low-cost autosampler and data processing software were developed from a three-dimensional (3D) printer and Matlab to fully realize the high-throughput capabilities of CP-MIMS. Cross-validation with a commercial LC-MS method for 10 surface waters provides excellent agreement (slope: 1.01; R 2 = 0.992). We employ this analytical approach to probe fundamental questions regarding sample stability and sorption of 6-PPDQ under lab-controlled conditions. Further, the results for 192 surface water samples provide the first spatiotemporal characterization of PPDQs on Vancouver Island and the lower mainland of British Columbia.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle