Advancing quantitative NMR for high-precision isotopic analysis with rnmrfit 2.0
Notice bibliographique
Résumé
Quantitative NMR is widely utilized in isotopic ratio measurement for determining the origins and authenticity of chemical compounds. Achieving high precision required for such analyses depends on accurately separating signal from noise, which is essential for reliable quantification of resonance peak areas. In this study, we present rnmrfit 2.0, an NMR peak-fitting tool tailored for high precision isotopic analysis. This new version incorporates semi-global peak fitting with automated peak region selection, achieving greater robustness and computational efficiency than previously reported. The newly developed software was used to explore the impact of two common spectral processing techniques, line broadening and zero filling, as well as the choice of baseline span on peak fitting precision. All three were found to have a significant impact on fit precision, with optimal settings for line broadening and zero filling deviating from what is commonly recommended for 13C spectra, at 1-3 Hz and 0.5-1.0, respectively. Compared to commercial tools including TopSpin and MestReNova, rnmrfit demonstrated superior precision and trueness, achieving precision as low as 0.26% for 2H and 0.16% for 13C. The new version of rnmrfit is available as an open-source executable, offering a scalable solution for isotopic analysis with minimal user input, paving the way for more reliable isotopic quantification.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,019 |
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 ».