High-Accuracy Quantitative Nuclear Magnetic Resonance Using Improved Solvent Suppression Schemes
Notice bibliographique
Résumé
Quantitative nuclear magnetic resonance (qNMR) has contributed to reliable and accurate measurements of organic compounds enabling quantitation even when no standards of the specific compounds are available. Such high-accuracy determinations are critical across the field of analytical chemistry, with the advances in qNMR being of utmost importance in the production of reference standards for a range of organic compounds. The ability to perform these accurate measurements in the presence of natural isotopic abundance solvents is important for increasing throughput and expanding the number of applications that benefit. In this work, we have assessed several pulse sequences for solvent suppression. The limitations of NMR acquisitions in the presence of large solvent signals and solvent suppression such as limited dynamic range, losses due to relaxation and proximity to the solvent peak where quantitation starts failing were studied in depth and discussed. We have shown that binomial-like sequences produce the most robust and reliable results in the majority of scenarios and propose alternative sequences using modern pulses that produce satisfactory results in situations where the most accurate sequences are not applicable. We present the development and use of binomial-like pulses in an inversion-recovery sequence that allows T1 measurement in experiments without deuterated solvent (no-D NMR) to enable the use of correct repetition times for high-accuracy measurements under these conditions. Although the binomial-like sequences present the limitation of having secondary suppression notches, there is enough flexibility to adjust the position of those notches. Finally, we present a full measurement uncertainty budget estimation including all uncertainty allowances that are relevant when solvent suppression is used.
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 | 0,005 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».