Workflow to facilitate the detection of new psychoactive substances and drugs of abuse in influent urban wastewater
Notice bibliographique
Résumé
The complexity around the dynamic markets for new psychoactive substances (NPS) forces researchers to develop and apply innovative analytical strategies to detect and identify them in influent urban wastewater. In this work a comprehensive suspect screening workflow following liquid chromatography - high resolution mass spectrometry analysis was established utilising the open-source InSpectra data processing platform and the HighResNPS library. In total, 278 urban influent wastewater samples from 47 sites in 16 countries were collected to investigate the presence of NPS and other drugs of abuse. A total of 50 compounds were detected in samples from at least one site. Most compounds found were prescription drugs such as gabapentin (detection frequency 79%), codeine (40%) and pregabalin (15%). However, cocaine was the most found illicit drug (83%), in all countries where samples were collected apart from the Republic of Korea and China. Eight NPS were also identified with this protocol: 3-methylmethcathinone 11%), eutylone (6%), etizolam (2%), 3-chloromethcathinone (4%), mitragynine (6%), phenibut (2%), 25I-NBOH (2%) and trimethoxyamphetamine (2%). The latter three have not previously been reported in municipal wastewater samples. The workflow employed allowed the prioritisation of features to be further investigated, reducing processing time and gaining in confidence in their identification.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 ».