从实验室间对量化非目标查的数据进行深入分析 - 仪器方法如何比较?
Louise Malm1, Nikiforos Alygizakis2,3, Reza Aalizadeh4
1Department of Chemistry, Stockholm University, Svante Arrhenius Väg 16, 114 18 Stockholm, Sweden.
Molecules (Basel, Switzerland)
|March 14, 2026
概括
机器学习用于环境污染物的量化显示出有希望. 预测的电离效率优于传统方法,尽管仪器参数和数据变异性对准确的结果构成挑战.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 计算化学计算化学
背景情况:
- 使用液体染色学-高分辨率质谱仪进行非目标查对于环境监测至关重要.
- 量化检测到的可疑污染物仍然是一个重大挑战,促使开发各种方法.
研究的目的:
- 分析环境污染物的量化方法的实验室间比较数据.
- 调查基于机器学习的量化中预测错误和仪器参数之间的联系.
- 评估响应因子 (RF) 在不同数据集和仪器方法限制中的可比性.
主要方法:
- 从之前的实验室间比较研究中分析数据.
- 基于机器学习的量化评估利用预测的电离效率.
- 调查响应因子 (RF) 的可比性,使用线性模型对数据集进行扩展.
主要成果:
- 没有任何特定的仪器参数与系统预测错误有明确的联系.
- 有机修饰剂和/或添加剂类型的选择影响了某些化合物的检测.
- 在线性投影后,在数据集之间实现了可比的logRF,但对于不相似的数据集进行了压缩.
- 具有较低logRF的化合物在数据集中表现出更大的变化.
结论:
- 使用预测的电离效率的机器学习方法显示了污染物量化的强大潜力.
- 仪器方法的选择,特别是有机修饰剂和添加剂,可以影响检测.
- 数据缩放和化合物特定变异性是跨多种数据集进行可靠量化的主要考虑因素.
关键词:
实验室间的比较.电离效率是电离的效率.液体色谱学 液体色谱学 液体色谱学质谱测量质谱测量质谱测量质谱测量质量测量质谱测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量质量测量非目标的非目标.量化量化量化的量化.响应因子反应因子更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
13.3K
07:08Nanoparticle Tracking Analysis of Gold Nanoparticles in Aqueous Media through an Inter-Laboratory Comparison
Published on: October 20, 2020
8.1K
