Trimethylation Enhancement Using Diazomethane (TrEnDi) Enables Enhanced Detection of Glufosinate and 3-(Methylphosphinico)propionic Acid from Complex Canola Samples
Notice bibliographique
Résumé
Over the past century, agriculture practices have transitioned from manual cultivation to the use of an array of chemical herbicides for weed control including phosphinothricin, or glufosinate (GLUF). Consequently, the potential for long-term residual GLUF exposure in the food chain has increased, highlighting the need for improved analytical strategies for its detection, as well as the detection of its main breakdown product 3-(methylphosphinico)propionic acid (MPPA). Chemical derivatization strategies have been developed to improve the detection of GLUF and MPPA via liquid chromatography tandem mass spectrometry analyses. Herein, we employ trimethylation enhancement using diazomethane (TrEnDi) for the first time as a means to confer analytical advantages via quantitatively derivatizing these analytes into permethylated GLUF ([GLUF Tr ] + ) and MPPA ([MPPA Tr +H] + ). Comparing [GLUF Tr ] + and [MPPA Tr +H] + to underivatized counterparts, TrEnDi yields 2.8-fold and 1.7-fold improvements in reversed-phase chromatographic retention, respectively, while MS-based sensitivity is enhanced 4.1-fold and 11.0-fold, respectively. Successful analyte derivatization (with >99% yields) was further demonstrated on a commercial herbicide solution imparting consistent analytical enhancements. To investigate the benefits of TrEnDi in a bona fide agricultural scenario, simple aqueous extractions from distinct parts of field-grown canola plants were performed to quantify GLUF and MPPA before and after TrEnDi derivatization. In their underivatized forms, GLUF and MPPA were undetectable in all field samples, whereas [GLUF Tr ] + and [MPPA Tr +H] + were readily quantifiable using the same analysis conditions. Our results demonstrate that TrEnDi continues to be a useful tool to enhance the analytical characteristics of organic molecules that are traditionally difficult to detect.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».