Fast analysis of short-chain and ultra-short-chain fluorinated organics in water by on-line extraction coupled to HPLC-HRMS
Notice bibliographique
Résumé
A rapid on-line solid-phase extraction liquid chromatography high-resolution mass spectrometry (on-line SPE-LC-HRMS) method was developed to analyze 11 ultra-short and short-chain PFAS in surface water. Analytical optimization involved screening 7 chromatographic columns and 5 on-line SPE columns, as well as evaluating SPE loading conditions, filters, sample acidification, chromatographic mobile phases, and SPE loading mobile phases. The optimized method was then applied to 44 river water samples collected in Eastern Canada, including sites near airports with fire-training areas. Among the 11 targeted PFAS, the most frequently detected were trifluoroacetic acid (TFA, 4.6-220 ng/L), perfluorobutanoic acid (PFBA, 0.85-33 ng/L), perfluoropentanoic acid (PFPeA, 1.2-2100 ng/L), trifluoromethane sulfonic acid (TMS, 0.01-4.3 ng/L), and perfluorobutane sulfonic acid (PFBS, 0.07-450 ng/L). Levels of C3-C5 perfluoroalkyl carboxylic acids (PFCAs), C2-C4 perfluoroalkyl sulfonates (PFSAs) and n:3 polyfluoroalkyl acids (n = 2,3; n:3 acids) were significantly higher in water bodies near fire-training area sites compared with rivers in urban areas. In contrast, TFA, TMS, and 1:3 acid were not significantly elevated, likely reflecting atmospheric deposition or other diffuse sources for these compounds. Nontarget and suspect screening analysis revealed an abundance of other ultra-short and short-chain PFAS in AFFF-impacted water bodies. Perfluoroalkyl sulfonamides (FASA, C2, C3, and C5), perfluoroalkyl sulfonamide propanoic acids (FASA-PrA, C1-C2) and n:3 acids (n = 1, 4, and 5) were detected for the first time in environmental surface waters.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».