An Advanced Gas Chromatography–Mass Spectrometry Workflow for High-Confidence Non-Targeted Screening of Non-Intentionally Added Substances in Recycled Plastics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As circularity grows in the global economy, recycling has become more relevant in the plastic materials industry. Recycled plastics, sourced from various origins, can contain numerous non-intentionally added substances such as organic contaminants, polymer degradation products, and consumer residues. The confident identification of contaminants has become an important step in the quality assessment of the recycled material and the evaluation of cleaning processes. However, traditional one-dimensional gas chromatography often encounters challenges in reporting accurate results for these complex samples. In this work, we combine a cryogen-free comprehensive two-dimensional gas chromatographic separation coupled with high-resolution mass spectrometry and a new confidence-level-based data reporting workflow to achieve more rigorous and higher-confidence identification of nontargeted species in recycled plastics. We propose four confidence levels, and seven confidence descriptor classifications based on mass spectral matching, retention index matching, and mass accuracy from high-resolution mass spectral data. The workflow was applied to postconsumer recycled plastics before and after the cleaning process. Higher than 70% of identifications are made with medium-to-high confidence. About 50% more peaks are separated and identified by the workflow compared to traditional one-dimensional separation without significant increase in data collection and analysis time. The workflow was validated by recycled plastics spiked with 26 known compounds of environmental relevance covering a broad range of chemical structures.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle