Amélioration des techniques d’identification en spectrométrie de masse et étude de la transformation de contaminants organiques
Bibliographic record
Abstract
On comptait en 2020 plus de 350 000 composés organiques en circulation, dont un grand nombre mal défini et dans des mélanges chimiques complexes. Il y a un manque de connaissance majeur sur la présence environnementale et la stabilité des contaminants organiques dans les milieux aquatiques et encore plus pour leurs produits de transformation (PTs) qui y sont formés. Les méthodes de monitoring de contaminants sont spécifiques à quelques dizaines de composés et ne fournissent pas un tableau suffisant de la contamination. Les analyses non ciblées cherchent à pallier ce problème, mais obtenir une identification conclusive est complexe en raison de la taille limitée des banques de données et des faibles concentrations des contaminants. Les PTs sont particulièrement difficiles à élucider comme leur identité est généralement inconnue. Cette thèse en trois axes tente d’abord d’améliorer et développer des techniques et méthodes d’identification de contaminants organiques et de leurs PTs dans les eaux de surface. Puis, elle se penche sur l’identification des PTs stables de quatre contaminants organiques préoccupants après une exposition simulant la photolyse solaire pour ensuite les retrouver dans des échantillons environnementaux. Finalement, dans le troisième axe, on cherche à identifier des PTs et des composés issus de mélanges chimiques complexes directement depuis des échantillons d’eaux de surface sans avoir recours à des études de dégradation de contaminants en laboratoire. Dans le premier axe, une méthode d’échange hydrogène-deutérium permettant de distinguer des composés similaires a d’abord été développée. Puis, un outil de génération de formules moléculaires a été évalué puis adapté à des conditions environnementales ; il s’est avéré supérieur aux autres méthodes avec lesquelles il a été comparé. Finalement, un flux de travail non ciblé a été développé avec des outils de correspondances de spectres de masse in silico et de réseaux moléculaires. Plus de 250 contaminants ont été identifiés dans la rivière Yamaska à Granby dont plusieurs jamais reportés au Canada. Dans le deuxième axe, des PTs de quatre contaminants préoccupants ont été générés puis identifiés en laboratoire avec les méthodes développées dans l’axe 1. Ces PTs ont ensuiteii été recherchés et détectés dans des échantillons réels. Dans le troisième axe, le flux de travail développé dans l’axe 1 a été amélioré en incorporant des outils regroupant des spectres de masse en tandem similaires en réseaux. Cela a permis d’identifier plus de 400 contaminants. Plusieurs PTs de composés pharmaceutiques et de pesticides auparavant inconnus ont été identifiés ainsi que plus d’une centaine de congénères d’additifs de produits de consommation. Ce flux répond à des besoins importants en analyse environnementale en ce qui a trait à l’identification d’homologues et de produits de transformation divers. Cependant, les PTs des composés étudiés en laboratoires n’ont pas pu être identifiés directement par le flux de travail, soulignant l’importance des méthodes de contrôle en laboratoire. Cette thèse joint les approches ascendantes où l’on génère en laboratoire des produits de transformation et les approches descendantes où ceux-ci sont identifiés directement à même l’échantillon avec le flux de travail. D’une part, elle a accru notre compréhension sur le devenir de plusieurs contaminants particulièrement préoccupants avec les études en laboratoire puis a poussé le cheminement en les retrouvant dans échantillons réels et en simulant leur toxicité pour une approche ascendante totale. Parallèlement, elle consiste une preuve de principe sur comment mener une analyse non ciblée selon l’état de l’art. Les outils ont été validés en fournissant des informations précieuses aux élaborateurs de programmes de monitoring et de suivi de toxicité sur l’occurrence locale de nombreux contaminants organiques et leurs PTs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".