A method for separating and quantifying organic and inorganic ice nucleating substances in atmospheric samples based on density gradient centrifugation
Notice bibliographique
Résumé
Ice nucleating substances (INSs) influence the properties and frequencies of ice and mixed-phase clouds in the atmosphere, and hence, climate and the hydrological cycle. INSs can be classified as inorganic (e.g., mineral dust, volcanic ash) or organic (e.g., bacterial cells, cell-free proteins). While the properties of both INS classes have been studied in the laboratory, the amounts in the atmosphere are still poorly constrained. Here, we demonstrate a new method for separating and quantifying inorganic and organic INSs. First, INS suspensions were separated into a high-density isolate containing inorganic INSs and a low-density isolate containing organic INSs using density gradient centrifugation, and then INSs were quantified in each isolate using a droplet freezing technique. Inorganic K-feldspar and organic Snomax INSs were used to test our method. The average K-feldspar INS recovery in the high-density isolate was 54%, with no evidence of K-feldspar INSs in the low-density isolate. The average Snomax INS recovery in the low-density isolate was 27%, with small amounts of Snomax contaminating the high-density isolate. A mixture of K-feldspar and Snomax was successfully separated, with recoveries comparable to those observed for K-feldspar and Snomax individually. Recoveries less than 100% can be explained by losses of INSs to vessel walls, accidental mixing of the different density layers during pipetting, and incomplete collection of material during pipetting.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».