Facile identification of fluorosurfactant category in aqueous film-forming foam concentrates via optimized 19F NMR
Notice bibliographique
Résumé
Aqueous film-forming foams (AFFFs) are the primary source of toxic perfluoroalkyl and polyfluoroalkyl substances (PFAS) in wastewater. Thus, it is urgent to develop a facile and fast method for identifying fluorosurfactants in commercially available AFFFs. In this work, fluorine nuclear magnetic resonance (19F NMR) spectroscopy was optimized to measure AFFFs directly with the extra addition of 5% D2O as the locking reagent, and high-quality spectra could be acquired within 4 min (0.1% fluorosurfactant content). Recovery experiments demonstrated that the use of different AFFFs had no marked influence on the quantitative analysis of fluorosurfactants. Such method works with low-field NMR spectroscopy (1.4 T) as well. Two-dimensional (2D) 19F COSY NMR was used to make signal assignments for different fluorosurfactant derivatives. The optimized 19F NMR could quantify the commercially available fluorosurfactants in different AFFFs, identify them being in either the perfluorooctane sulfonate (PFOS) or fluorotelomer sulfonic acid (FTS) categories, and distinguish the head-group of PFOS and FTS derivatives, which exhibits great potentials in the developments of relevant commercial detections.
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 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) | 0,000 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».