Profiling organic pollutants in environmental water by dansylation-based non-targeted liquid chromatography-high resolution mass spectrometry analysis
Notice bibliographique
Résumé
Monitoring organic pollutants in rainwater is important to understand relations between air pollutants and water safety. Non-targeted liquid chromatography–mass spectrometry (LC–MS) is a powerful tool but because of big differences of pollutants in polarity, ionization efficiency, and low concentrations, it is challenging to detect all pollutants in a single analysis. Chemical derivatization is a widely adapted strategy to fractionate complex samples with enhanced sensitivity and selectivity. Herein, we propose the usage of dansylation as a chemical derivatization method to improve both LC retention and MS ionization of organic pollutants containing amine, hydroxyl, and carboxyl for non-targeted LC–MS analysis. We first evaluated the labeling coverage of dansylation to organic pollutants in water matrix. Using dansyl chloride (DnsCl) and dansyl hydrazine (DnsHz) to label 100 amine- and hydroxyl-containing compounds and 100 carboxyl compounds, respectively, we found DnsCl and DnsHz had over 60% labeling coverage for 8 categories of compounds. Then dansylation was applied to label the rainwater, source water, disinfected rainwater, and drinking water samples. To facilitate the annotation of dansylated compounds, we also established a web-based tool termed DansylFinder. Using DansylFinder, 3889, 5813, 6077, and 4050 tentative annotations were found in rainwater, source water, disinfected rainwater, and drinking water samples by dansylation-based non-targeted LC-HRMS analysis. Four hundred fifty four were persistently detected in all water samples, suggesting significant organic overlaps of the four water samples. In addition, two degradation pathways reported in drinking water disinfection process were also detected in disinfected rainwater, suggesting rainwater is a potential path for air pollutants to infiltrate drinking water system.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».