Функция дифференциального анализа в msFineAnaанализе версии 3 (1) [Приложение GC-TOFMS]

Введение

По мере улучшения характеристик масс-спектрометров возросла потребность в дифференциальном анализе микроэлементов в материалах. Чтобы справиться с этой тенденцией, мы добавили новую функцию дифференциального анализа в msFineAnalysis, наше автоматизированное программное обеспечение для качественного анализа, специально разработанное для данных GC-HRTOFMS. В этом примечании по применению описывается рабочий процесс, используемый msFineAnalysis для дифференциального анализа путем анализа данных по эпоксидным клеям, измеренных с помощью парофазного анализа (HS)-GC-TOFMS и пиролиза (Py)-GC-TOFMS.

Рабочий процесс дифференциального анализа

Рабочий процесс дифференциального анализа показан в самом верху рисунка 1. При измерении образцов для простого сравнения (n=1) каждый образец измеряется дважды: один раз с помощью ГХ/ЭУ, один раз с помощью ГХ/СИ, всего 4 ГХ. измерения. Для статистического анализа (n=3, 5) измерения GC/EI выполняются для каждого образца более одного раза, а измерение GC/SI выполняется только один раз для каждого (для двух образцов, n=5, тогда общее количество GC измерения будут 12). После этого данные GC/EI и GC/SI загружаются в msFineAnalysis, а затем, следуя инструкциям графического интерфейса, результаты интегрированного анализа выводятся в виде отчета с цветовой кодировкой. Последний шаг требует от аналитика подтверждения результатов.

Рабочий процесс интегрированного анализа msFineAnalysis показан в нижней части рисунка 1. Первым шагом этого рабочего процесса является обнаружение пика хроматограммы (деконволюция пика) для измеренных данных. Во время этого процесса обнаруживаются незначительные пики, которые могут быть неочевидны в TICC.
Затем для обнаруженных пиков EI выполняется выравнивание данных и анализ компонентов дисперсии на основе их времени удерживания (RT), а также сходства их масс-спектров. Различия сравниваются с использованием отношения интенсивностей между образцами и воспроизводимости. После этого данные EI и SI анализируются с помощью интегрированного рабочего процесса анализа, который использовался в предыдущих версиях msFineAnalysis. Этот рабочий процесс анализа состоит из поиска в базе данных библиотеки EI, поиска молекулярных ионов в данных SI и точного массового анализа данных EI и SI. Подробное объяснение этого рабочего процесса интегрированного анализа EI/SI см. MSTips № 275. Пример результатов дифференциального анализа msFineAnalysis Ver3 будет рассмотрен на следующих страницах.

Рисунок 1. Поток анализа с использованием msFineAnalysis

Анализ эффективности

В качестве образцов использовали два различных коммерчески доступных эпоксидных клея (А, В). Эти образцы были отверждены перед анализом. Для измерений использовали HS-GC-MS и Py-GC-MS. Для HS-GC-MS образцы нагревали при 50°C и анализировали термически десорбированные летучие компоненты. Для Py-GC-MS образцы нагревали до 600°C и анализировали продукты пиролиза. Для этих измерений использовались методы ионизации EI и FI (полевая ионизация) как жесткая и мягкая ионизация соответственно. Для проведения статистического анализа измерения GC/EI были выполнены с n=5. Параметры, используемые для проведения дифференциального анализа, представляли собой значение p (индекс: чем меньше значение p, тем выше статистическая воспроизводимость) ≤5% и кратность изменения (соотношение интенсивностей между образцами) ≥2. Подробные условия измерения показаны в таблице 1.

Таблица 1. Условия измерения и анализа

Результат измерения HS-GC-MS

На рис. 2 показан снимок экрана с результатами дифференциального анализа образцов свободного пространства с использованием msFineAnalysis. В левом верхнем углу экрана показаны хроматограммы TICC, а также пики соединений, обнаруженные с помощью деконволюции. Цвет пика соединения отражает результат разностного анализа. Синий цвет указывает на то, что этот конкретный аналит тесно связан с образцом A, а красный цвет указывает на сильную связь с образцом B. График вулкана в правой верхней части экрана указывает на разницу интенсивности между образцами по оси X и статистическую воспроизводимость. по оси Y, что позволяет всесторонне подтвердить обнаруженные пики. В правом центре экрана показаны результаты классификации, что позволяет получить конкретное представление об общем количестве обнаруженных пиков, а также о том, как пики относятся к каждому образцу. Список пиков внизу показывает таблицу с цветовой кодировкой с интегрированными результатами анализа для обнаруженных пиков, что позволяет аналитику легко сопоставить, какой аналит более тесно связан с конкретным образцом.

Таблица внизу показывает, что всего было обнаружено 15 пиков. Разбивка различий пиков показывает, что 2 пика (пик ID [003] бутиловый эфир и [009] бутанол) характерны для образца A, 11 пиков характерны для образца B ([001,002] низкомолекулярные циклические силоксаны и т. д.) , и два пика, интенсивность которых не различается между образцами А и В ([004] толуол и [013] циклогексасилоксан). Среди этих различий известно, что низкомолекулярные циклические силоксаны вызывают такие проблемы, как нарушение контакта при использовании в электротехнических изделиях из-за их высокой летучести и способности создавать оксидную изоляционную пленку.

Рисунок 2. Скриншот msFineAnalysis (HS-GC-MS)

Результат измерения Py-GC-MS

На рис. 3 показан скриншот результатов дифференциального анализа пиролизированных образцов с использованием msFineAnalysis. Всего для этих образцов было обнаружено 120 пиков. Разбивка различий между пиками показывает, что 28 пиков характерны для образца А (идентификатор пика [044] дибутилфталат и т. д.), 23 пика характерны для образца В ([030] п-изопропенилфенол, [048] бисфенол А и т. д. ) и 20 пиков, которые не показали различий в интенсивности между образцом A и образцом B ([018] фенол и т. д.). Кроме того, наблюдалось 49 пиков, которые не имели статистической воспроизводимости (серый цвет на графике вулкана, «другое» в результатах классификации). Дибутилфталат (DBP) представляет собой сложный эфир фталевой кислоты, на который распространяется директива RoHS. Бисфенол А был обнаружен в обоих образцах и является базовым соединением для эпоксидного клея. Однако, поскольку в образце B он был обнаружен с интенсивностью в два раза большей, чем в образце A, он был классифицирован как пик различия между образцами.

Рисунок 3. Скриншот msFineAnalysis (Py-GC-MS)

Обзор

Функция дифференциального анализа в MsFineAnalysis Ver3 позволила нам легко получить информацию о различиях между двумя образцами эпоксидного клея. Кроме того, эти результаты показывают, что msFineAnalysis не только сокращает время анализа за счет автоматизации, но и обеспечивает высоконадежный качественный анализ, полученный в результате деконволюции пиков, статистического анализа и интегрированного анализа EI/SI.