msFineAnaанализ AI вер. 3
Неизвестные соединения
Программное обеспечение для анализа структуры

Новая эра структурного анализа неизвестных соединений
Сочетание передовых технологий искусственного интеллекта и комплексного GCxGC

msFineAnalysis AI предлагает новый инструмент анализа структуры неизвестных соединений, специально разработанный для JEOL JMS-T2000GC "AccuTOF™ GC-Alpha 2.0". «Комплексный анализ» объединяет данные ГХ/ЭИ, ГХ/мягкой ионизации высокого разрешения и «Анализ структуры ИИ» с использованием четырех технологий искусственного интеллекта.
Версия 3 поддерживает комплексный анализ данных двумерной газовой хроматографии (ГХ-ГХ) в дополнение к обычному анализу данных ГХ-МС. В сложных смесях, таких как образцы нефтепродуктов и биологические образцы, сверхвысокая степень разделения ГХ-ГХ и структурный анализ неизвестных соединений с использованием ИИ msFineAnalysis окажутся весьма эффективными.
Благодаря этим передовым технологиям искусственного интеллекта (ИИ) msFineAnalysis AI предоставляет уникальную возможность автоматического анализа структуры, которая ранее была недоступна для качественного анализа ГХ-МС и ГХ-МС.

Особенности

#1 Анализ структуры ИИ

Инновационные решения с четырьмя технологиями ИИ
Поддержка определения молекулярной формулы и оценки структурной формулы неизвестных соединений

Для неизвестных соединений (▼) не зарегистрированы в базе данных NIST, стандартный msFineAnalysis автоматически выдал молекулярную формулу. С помощью msFineAnalysis AI структурная формула неизвестных соединений может быть автоматически оценена.

Необходимость мягкой ионизации: надежное получение информации о молекулярной формуле — первый шаг в структурном анализе!

Данные масс-спектров с использованием EI используются в базе данных NIST, поэтому методы EI широко применяются для качественного анализа образцов ГХ-МС. Однако, поскольку EI является жёстким методом ионизации, наблюдается множество фрагментарных ионов, и во многих случаях нередко наблюдается минимальный сигнал от молекулярных ионов или его отсутствие.

Кроме того, для неизвестных соединений, не зарегистрированных в базе данных NIST, трудно определить, используя только масс-спектры EI, является ли самая большая наблюдаемая м / г Значение фактически представляет собой молекулярный ион или просто фрагмент иона. В таких случаях метод мягкой ионизации является эффективным инструментом для определения этой информации.

Система AccuTOFT™ GC-Alpha опционально поддерживает различные методы мягкой ионизации, включая ионизацию полем (FI), фотоионизацию (PI) и химическую ионизацию (CI). Эти методы помогают различать ионы (например, молекулярные ионы и протонированные молекулы), что позволяет получить информацию о молекулярной массе, позволяющую точно определить молекулярную формулу неизвестных соединений.

Поскольку информация о молекулярной формуле является важной отправной точкой для анализа структуры ИИ, мягкая ионизация имеет решающее значение для идентификации неизвестных соединений.

Масс-спектр компонента, не зарегистрированного в
база данных НИСТ

Ручной структурный анализ, выполняемый квалифицированным аналитиком vs Автоматический структурный анализ ИИ

※Измерено с помощью ПК стандартной конфигурации JMS-T2000GC

Время, необходимое для структурного анализа, сравнивалось для соединений, наблюдаемых в акриловой смоле, измеренных с помощью Py-GCTOFMS и не зарегистрированных в базе данных NIST.
Требуется даже аналитик с более чем 30-летним опытом масс-спектрометрии примерно 2 часа для структурного анализа 4 компонентов, что составляет 30 минут на компонент. С другой стороны, анализ структуры ИИ завершен. 100 компонентов менее чем за 7 минут, что составляет 4 секунды на компонент.

Оценка структурного анализа ИИ (сходство) между структурной формулой, оцененной опытным аналитиком, и правильной структурной формулой, указывающая на то, что структурная формула предсказана с хорошим сходством.

Инновационные решения с четырьмя технологиями ИИ
Автоматический структурный анализ без подключения к Интернету

msFineAnalysis AI использует четыре различные модели ИИ (см. Таблицу 1) для автоматического выполнения анализов молекулярных формул, подструктур и технических ноу-хау и быстро предоставляет аналитические результаты.

Рабочий процесс ИИ msFineAnalysis

Уникальный выбор молекулярных формул четвертым ИИ

Используя модель глубокого обучения, он присваивает балл (оценку IM) молекулярным формулам-кандидатам и ранжирует их. Это особенно эффективно при определении молекулярных формул из нескольких кандидатов в более широких диапазонах масс.

Эволюция модели ИИ

Модель прогнозирования масс-спектра EI с использованием графовых сверточных сетей была дополнительно улучшена. По сравнению с версиями 1 и 2 значительно улучшены как сходство, так и точность, что обеспечивает более точные результаты автоматизированного структурного анализа.

Гистограмма косинусного сходства для всех моделей между измеренными и предсказанными масс-спектрами EI 10 000 известных соединений. Модель ИИ в версии 3 стала ещё более эффективной, и среднее значение косинусного сходства достигло 0.86! (Версия 1: 0.72, Версия 2: 0.80)

Структурный анализ неизвестных соединений в пищевых продуктах

Вкусовые компоненты устриц были проанализированы с помощью комбинации HS-SPME и GC-MS. Анализ структуры неизвестного соединения, ранее идентифицированного как 1,5-октадиен-3-ол, с помощью искусственного интеллекта.¹⁾, выдал 2,544 потенциальных структурных формулы, которые были сужены до 1,012 с помощью фильтра подструктуры «ОН». Структурная формула, предложенная в статье, оказалась второй по популярности и получила оценку AI 936, что довольно много.

1) Кенджи Уэда, Коки Яхиро, Ёсихико Акакабе, J. Oleo Sci. 72, (7) 725-732 (2023)

Окно результатов структурного анализа ИИ вкусового компонента
в устрице

JMS-T2000GC с HS-SPME
(парофазный – твердофазная микроэкстракция) автосэмплер

#2 Анализ данных GCxGC

Комплексный анализ неизвестных соединений для образцов сложных смесей

Газовая хроматография-газовая хроматография позволяет анализировать сложные образцы, содержащие множество соединений, с высокой степенью разделения, используя два разных типа колонок. Сверхвысокоэффективная разделительная хроматография в сочетании со структурным анализом с использованием искусственного интеллекта (ИИ) представляет собой новое решение для качественного анализа.

Анализ неизвестных соединений в клетках HeLa

Водорастворимые метаболиты в клетках HeLa были дериватизированы с помощью ТМС и измерены с помощью ГХ-ГХ-времяпролетной масс-спектрометрии. Всего было обнаружено 674 метаболита.

В предыдущем исследовании²⁾Неизвестное соединение, идентифицированное как N-метилуридинмонофосфат (N-метилУМФ) – вещество, не зарегистрированное в базе данных NIST, – было подвергнуто структурному анализу с использованием искусственного интеллекта (ИИ). В результате N-метилУМФ был выбран в качестве основного кандидата с хорошим индексом искусственного интеллекта (ИИ) 805. Кроме того, N-метилУМФ и соединения, родственные нуклеиновым кислотам, имеют схожие времена удерживания во втором столбце, что указывает на их схожую полярность.

2) Лай З., Цугава Х. и др. (2018). Nature Methods, 15 (1), 53–56. DOI: 10.1038/nmeth.4512

Этот образец был любезно предоставлен профессором Хироши Цугавой из Токийского университета сельского хозяйства и технологий.

Подробный анализ пиролизного масла

Пиролизное масло, полученное из смеси полиэтилена (ПЭ), полипропилена (ПП) и поливинилхлорида (ПВХ), было проанализировано методом газовой хроматографии (ГХ-ХГ) с времяпролетной масс-спектрометрией (ВПМС). В результате удалось четко разделить алканы и алкены, полученные из ПЭ/ПП, которые трудно разделить методом одномерной газовой хроматографии. Кроме того, молекулярные формулы пиков были идентифицированы методом мягкой ионизации. Для неизвестных соединений, не зарегистрированных в базе данных NIST, структурные формулы были получены с помощью структурного анализа с использованием искусственного интеллекта (ИИ).

Этот образец был любезно предоставлен доцентом Сёго Кумагаи из Университета Тохоку.

#3 Целевой анализ

Быстрый поиск известных соединений

Функция целевого анализа автоматически ищет соединения на основе формулы состава. м / г значение и CAS#.
Доступны предустановленные списки целевого анализа. Кроме того, можно создавать и настраивать пользовательские списки для интересующих образцов и их аналитов. Также доступны комплексный анализ и структурный анализ соединений с использованием искусственного интеллекта, обнаруженных с помощью целевого анализа.

Целевой анализ вкусовых и посторонних компонентов пищевых продуктов

msFineAnaанализ AI поддерживает не только нецелевой анализ, но и целевой анализ. Он автоматически ищет целевые соединения на основе формулы состава. м / г значение и CAS#.

Для получения данных о вкусовых компонентах лимонного сока при анализе было извлечено 10 соединений с целевым списком из 498 компонентов с неприятным вкусом. Окно результатов в правом нижнем углу показывает подробный результат анализа цитраля среди 10 компонентов.

Целевой список из 498 компонентов с неприятным запахом

Подробный анализ присутствия цитраля в лимонном соке

#4 Обнаружение деконволюции

Хроматографическая деконволюция пиков позволяет обнаруживать компоненты в следовых количествах, которые могут быть неочевидны в TICC из-за совместного элюирования нескольких компонентов.

EI: черная сплошная линия: TICC, серые пики: пик деконволюции (синий: выбран в данный момент)
FI: зеленая сплошная линия: TICC, серые пики: пик деконволюции (синий: выбран в данный момент)

Этот шаг упрощает процесс анализа данных, определяя, какие ионы сочетаются с каждым соединением, и устраняет необходимость создания хроматограмм извлеченных ионов (EIC).

#5 Сравнение двух образцов (дифференциальный анализ)

Эта функция использует график вулкана, где p-значение на вертикальной оси представляет воспроизводимость, а соотношение интенсивности между двумя образцами — на горизонтальной оси.

Детальный анализ – сюжет Вулкан
(A: эталонный продукт, B: дефектный продукт)

Эта информация позволяет визуально подтвердить различия компонентов между двумя образцами. Например, можно подтвердить, увеличивается или уменьшается компонент при сравнении эталонного продукта с дефектным продуктом, или идентифицировать характерные компоненты в новом материале, сравнивая его с существующим материалом. Для сравнения двух образцов можно установить n=1, 3, 5 для количества измерений для каждого образца.

Характеристики

Основные характеристики

JMS-T2000GC AccuTOF^TM ГХ-Альфа 2.0

msFineAnaанализ AI вер. 2

Скачать буклет

msFineAnalysis AI Программное обеспечение для анализа структуры неизвестных соединенийАвтоматический

Приложения

Применение ГХ-ВПМС: качественный анализ примесей в растворителе для производства полупроводников с использованием msFineAnaанализ AI

Применение ГХ-ВПМС: качественный анализ химических компонентов в фитотерапии

Приложение GC-TOFMS: msFineAnalysis AI Новое программное обеспечение для качественного анализа для JMS-T2000GC со структурным анализом AI

Приложение GC-TOFMS: введение функции анализа структуры AI в программное обеспечение для автоматического анализа структуры msFineAnalysis AI

Применение GC-TOFMS: структурный анализ олигомеров акриловой смолы с использованием Py-GC-HRTOFMS и msFineAnalysis AI

Применение GC-TOFMS: структурный анализ добавок и родственных соединений в винилацетате с использованием Py-GC-HRTOFMS и msFineAnalysis AI

Применение GC-TOFMS: структурный анализ пленки полиэтилентерефталата с использованием Py-GC-HRTOFMS и msFineAnalysis AI

Связанные товары

Газовый хроматограф JMS-T2000GC AccuTOF™ GC-Alpha 2.0 - времяпролетный масс-спектрометр

Новейшая система ГХ-МС, которая стремится к максимальной производительности и функциональности, JMS-T2000GC AccuTOF™ GC-Alpha, усовершенствована до версии «2.0» с интеграцией полностью автоматизированного стандартного ввода образца и ИИ msFineAnalysis.

Подробнее