Expanding Per- and Polyfluoroalkyl Substances Coverage in Nontargeted Analysis Using Data-Independent Analysis and IonDecon
Notice bibliographique
Résumé
Per- and polyfluoroalkyl substances (PFAS) are widespread, persistent environmental contaminants that have been linked to various health issues. Comprehensive PFAS analysis often relies on ultra-high-performance liquid chromatography coupled with high-resolution mass spectrometry (UHPLC HRMS) and molecular fragmentation (MS/MS). However, the selection and fragmentation of ions for MS/MS analysis using data-dependent analysis results in only the topmost abundant ions being selected. To overcome these limitations, All Ions fragmentation (AIF) can be used alongside data-dependent analysis. In AIF, ions across the entire m / z range are simultaneously fragmented; hence, precursor–fragment relationships are lost, leading to a high false positive rate. We introduce IonDecon, which filters All Ions data to only those fragments correlating with precursor ions. This software can be used to deconvolute any All Ions files and generates an open source DDA formatted file, which can be used in any downstream nontargeted analysis workflow. In a neat solution, annotation of PFAS standards using IonDecon and All Ions had the exact same false positive rate as when using DDA; this suggests accurate annotation using All Ions and IonDecon. Furthermore, deconvoluted All Ions spectra retained the most abundant peaks also observed in DDA, while filtering out much of the artifact peaks. In complex samples, incorporating AIF and IonDecon into workflows can enhance the MS/MS coverage of PFAS (more than tripling the number of annotations in domestic sewage). Deconvolution in complex samples of All Ions data using IonDecon did retain some false fragments (fragments not observed when using ion selection, which were not isotopes or multimers), and therefore DDA and intelligent acquisition methods should still be acquired when possible alongside All Ions to decrease the false positive rate. Increased coverage of PFAS can inform on the development of regulations to address the entire PFAS problem, including both legacy and newly discovered PFAS.
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 | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».