多维图书馆,用于更好地识别每和多基基物质 (PFAS)
Kara M Joseph1, Anna K Boatman1, James N Dodds1
1Department of Chemistry, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA.
Scientific data
|January 25, 2025
概括
这项研究为175种多基物质 (PFAS) 提供了关键的多维数据,有助于评估化学物质的暴露. 开放数据集增强了分析方法和机器学习,用于识别新的PFAS化合物.
科学领域:
- 环境化学环境化学
- 分析化学 分析化学
- 毒理学 毒理学 毒理学
背景情况:
- 人类疾病的增加与化学物质的暴露有关,特别是和多基物质 (PFAS).
- 有限的实验数据阻碍了对许多令人担忧的化学品,包括PFAS的全面分析评估.
- 有必要进行详细的化学表征,以支持环境和健康研究.
研究的目的:
- 为175个PFAS及其281种离子类型生成并提供多维特征.
- 扩大科学界对PFAS分析评估的知识基础.
- 创建一个公开可用的数据集,以增强机器学习的PFAS发现.
主要方法:
- 使用平台合反相液态色谱 (RPLC) 与电喷射电离 (ESI) 或大气压化学电离 (APCI).
- 采用漂移管离子移动性光谱 (IMS) 与质谱 (MS) 结合进行综合分析.
- 确定所有目标分析物的保留时间,碰撞横截面 (CCS) 值和m/z比.
主要成果:
- 成功描述了175种PFAS化合物,生成了281种不同的离子类型的数据.
- 组装了一个多维数据集,包括保留时间,CCS值和m/z比.
- 该数据集现在已向科学界公开提供.
结论:
- 生成的数据集为扩大PFAS的分析评估提供了必要的特征.
- 该资源将加强机器学习模型的培训,用于识别新型PFAS.
- 有助于更深入地了解PFAS与人类疾病和环境条件的联系.


