Advanced oxidation processes (AOPs) are increasingly applied in water and wastewater treatment. Understanding the role of reactive species using probes and quenchers is one of the main requirements for good process design. However, much fundamental kinetic data for the reactions of probes and quenchers with reactive species is lacking, probably leading to inappropriate probe and quencher selection and dosing. In this work, second-order rate constants for over 150 reactions of probes and quenchers with reactive species such as •OH, SO4•-, and Cl• and chemical oxidants such as free chlorine and persulfate were determined. Some previously ill-quantified reactions (e.g., furfuryl alcohol and methyl phenyl sulfoxide reactions with certain chemical oxidants, nitrobenzene and 1,4-dioxane reactions with certain halogen radicals) were found to be kinetically favorable. The selection of specific probes can be guided by the improved kinetic database. The criteria for properly choosing dosages of probes and quenchers were proposed along with a procedure for quantifying reactive species free of interference from probe addition. The limitations of probe and quencher approaches were explicated, and possible solutions (e.g., the combination with other tools) were proposed. Overall, the kinetic database and protocols provided in this work benefit future research in understanding the radical chemistry in AOPs as well as other radical-involved processes.

Chlorine radicals, including Cl• and Cl2•-, can be produced in sunlight waters (rivers, oceans, and lakes) or water treatment processes (e.g., electrochemical and advanced oxidation processes). Dissolved organic matter (DOM) is a major reactant with, or a scavenger of, Cl• and Cl2•- in water, but limited quantitative information exists regarding the influence of DOM structure on its reactivity with Cl• and Cl2•-. This study aimed at quantifying the reaction rates and the formation of chlorinated organic byproducts produced from Cl• and Cl2•- reactions with DOM. Laser flash photolysis experiments were conducted to quantify the second-order reaction rate constants of 19 DOM isolates with Cl• (kDOM-Cl•) and Cl2•- (kDOM-Cl2•-), and compare those with the hydroxyl radical rate constants (kDOM-•OH). The values for kDOM-Cl• ((3.71 ± 0.34) × 108 to (1.52 ± 1.56) × 109 MC-1 s-1) were orders of magnitude greater than the kDOM-Cl2•- values ((4.60 ± 0.90) × 106 to (3.57 ± 0.53) × 107 MC-1 s-1). kDOM-Cl• negatively correlated with the weight-averaged molecular weight (MW) due to the diffusion-controlled reactions. DOM with high aromaticity and total antioxidant capacity tended to react faster with Cl2•-. During the same experiments, we also monitored the formation of chlorinated byproducts through the evolution of total organic chlorine (TOCl) as a function of chlorine radical oxidant exposure (CT value). Maximum TOCl occurred at a CT of 4-8 × 10-12 M·s for Cl• and 1.1-2.2 × 10-10 M·s for Cl2•-. These results signify the importance of DOM in scavenging chlorine radicals and the potential risks of producing chlorinated byproducts of unknown toxicity.

Abstract De novo peptide sequencing is a fundamental research area in mass spectrometry (MS) based proteomics. However, those methods have often been evaluated using a couple of simple metrics that do not fully reflect their overall performance. Moreover, there has not been an established method to estimate the false discovery rate (FDR) and the significance of de novo peptide-spectrum matches (PSMs). Here we propose NovoBoard, a comprehensive framework to evaluate the performance of de novo peptide sequencing methods. The framework consists of diverse benchmark datasets (including tryptic, nontryptic, immunopeptidomics, and different species), and a standard set of accuracy metrics to evaluate the fragment ions, amino acids, and peptides of the de novo results. More importantly, a new approach is designed to evaluate de novo peptide sequencing methods on target-decoy spectra and to estimate their FDRs. Our results thoroughly reveal the strengths and weaknesses of different de novo peptide sequencing methods, and how their performances depend on specific applications and the types of data. Our FDR estimation also shows that some tools may perform better than the others in distinguishing between de novo PSMs and random matches, and can be used to assess the significance of de novo PSMs.