Critical Method Parameters to Evaluate When Developing a Method Using a Laser Diode Thermal Desorption (LDTD) Coupled to a Mass Spectrometer
Notice bibliographique
Résumé
RATIONALE: This paper presents an in-depth evaluation of the laser diode thermal desorption (LDTD) device interfaced to a mass spectrometer and identifies the critical method parameters to evaluate when developing a new procedure. METHODS: Samples were solvent extracted and spotted in a 96-well plate. In the case of biological fluids, hydrolysis followed by solid phase extraction is required. The solvent in the 96-well plate is evaporated, followed by mass spectrometric analysis (MS) with atmospheric pressure chemical ionization (APCI). Where applicable, the instrument is operated in a data-dependent mode, with a full-scan mass spectrum followed by MS/MS spectra with a total runtime of 18 s per well. RESULTS: Five key experiments (sample dilution, gas flow, laser ramp, ion saturation/ion suppression, and signal enhancement) were evaluated as critical parameters that could potentially be encountered in method development, and practical solutions are proposed. CONCLUSIONS: Interfacing LDTD with a mass spectrometer allows for rapid screening for many analytes in a wide range of samples, with either minimal or complex sample preparation. Addressing all critical method parameters can aid in creating a sensitive and robust procedure.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».