A HoLDI mass spectrometry platform for airborne nanoplastic detection
Notice bibliographique
Résumé
There are no established protocols for nanoplastic detection within complex environmental matrices. Mass spectrometry (MS) analysis of environmental nanoplastics is impeded by methodological constraints. We present a versatile platform evolved from matrix-assisted laser desorption/ionization (MALDI) MS for airborne nano/microplastic research. The 3D-printed hollow-laser desorption/ionization (HoLDI) target enables efficient, high-throughput analysis of aerosols collected on simple substrates without pre/post-treatments. HoLDI-MS determines the chemical composition and relative quantity of real-world airborne nano/microplastics, while used with conventional portable samplers and particle analyzers. Polyethylene, polyethylene glycol, and polydimethylsiloxanes are detected in an indoor environment, with a higher amount in the micro-sized range. Polycyclic aromatic hydrocarbons present in an outdoor setting, with a higher quantity in the nano-sized range. Morphological and elemental data provide additional evidence for observed contaminants and support multidisciplinary research interests. HoLDI holds promise as a standardized analytical framework for any air or water samples, facilitating research harmonization worldwide. Detecting nanoplastics in complex environmental samples is hampered by the lack of established protocols and methodological and technical constraints. Here, the authors show that matrix-assisted laser desorption/ionization (MALDI) mass spectrometry with a 3D-printed hollow-laser desorption/ionization (HoLDI) target enables efficient analysis of aerosols, providing size-stratified information on chemical composition and relative quantities of airborne nano- and microplastics.
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 | 0,000 | 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 | 0,001 | 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 ».