Headspace Solid-Phase Micro-Extraction Method Optimization and Evaluation for the Volatile Compound Extraction of Bronchoalveolar Lung Lavage Fluid Samples
Notice bibliographique
Résumé
Headspace solid-phase micro-extraction (HS-SPME) is a prevalent technique in metabolomics and volatolomics research. However, the performance of HS-SPME can vary considerably depending on the sample matrix. As a result, fine-tuning the parameters for each specific sample matrix is crucial to maximize extraction efficacy. In this context, we conducted comprehensive HS-SPME optimization for bronchoalveolar lavage fluid (BALF) samples using two-dimensional gas chromatography with time-of-flight mass spectrometry (GC×GC-ToFMS). Our exploration spanned several HS-SPME parameters, including vial size, dilution factor, extraction time, extraction temperature, and ionic strength. The 10 mL vial size, no sample dilution, extraction time of 50 min, extraction temperature of 45 °C, and 40% salt were identified as the optimized parameters. The optimized method was then evaluated by a pair-wise comparison of ten sets of samples. The results revealed that the optimized method yielded an increase of 340% in total peak area and an increase of 80% in total peak number. Moreover, enhancements were observed across nine major chemical classes in both peak area and number. Notably, the optimized method also doubled the number of volatile compounds consistently detected across BALF samples, from 52 to 108.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».