Steady-State Free Precession (SSFP) NMR Spectroscopy for Sensitivity Enhancement in Complex Environmental and Biological Samples Using Both High-Field and Low-Field NMR
Notice bibliographique
Résumé
Nuclear magnetic resonance (NMR) spectroscopy is a valuable and complementary tool in environmental research, but it is underutilized due to the cost, size, and maintenance requirements of standard “high-field” NMR spectrometers. “Low-field” NMR spectrometers are a financially and physically accessible alternative, but their lower sensitivity and increased spectral overlap limit the analysis of heterogeneous environmental/biological media, especially with fast-relaxing samples that produce broad, low-intensity spectra. This study therefore investigates the potential of the steady-state free precession (SSFP) experiment to enhance signal-to-noise ratios (SNRs) of fast-relaxing, complex samples at both high- and low-field. SSFP works by obtaining steady-state transverse signal using a train of equally spaced radiofrequency pulses with the same flip angle and a time between pulses less than the transverse relaxation time, allowing for thousands of scans to be summed in a short time period. Here, 13 C-SSFP is applied to samples of varying complexity (egg white, dissolved organic matter, and crude oil) at low-field and at high-field for testing and comparison. The potential of in vivo SSFP NMR is additionally investigated by applying 31 P-SSFP to live Eisenia fetida at high-field. In some samples, SSFP increased 13 C SNR by over 2000% at both high-field and low-field compared to standard 13 C NMR and enabled detection of peaks that were not observable by standard 13 C NMR. Ultimately, SSFP holds great potential for improving analysis of fast-relaxing, complex samples, which could in turn make low-field NMR spectroscopy a more effective tool not only in environmental/biological research but also in numerous other disciplines.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».