Внедрение функции анализа структуры AI в программное обеспечение для автоматического анализа структуры msFineAnaанализ AI [Приложение GC-TOFMS]

Введение

Электронная ионизация (ЭИ) является одним из самых популярных методов ионизации, используемых в газовой хроматографии-масс-спектрометрии (ГХ-МС). Следовательно, соединения обычно идентифицируют путем поиска в базе данных масс-спектров с использованием масс-спектров ЭУ. Поскольку молекулярные ионы часто слабы или отсутствуют в масс-спектрах ЭУ 70 эВ, идентификация неизвестных может быть затруднена только с помощью ЭУ. В этих случаях мягкая ионизация (SI) может быть очень полезна для получения и идентификации молекулярных ионов. Недавно JEOL начала разработку интегрированного рабочего процесса качественного анализа, который автоматически объединяет и интерпретирует информацию из данных EI и SI. А затем, в 2018 году, мы представили наше интегрированное программное обеспечение для качественного анализа «msFineAnalysis», которое использует данные как EI, так и SI для улучшения идентификации соединений для приложений ГХ-МС.

Несмотря на то, что msFineAnalysis автоматически определял молекулярную формулу и информацию о частичной структуре из формул фрагментных ионов ЭУ, фактические структурные формулы по-прежнему требовали ручного анализа с использованием химических составов. Чтобы решить эту проблему, мы разработали пакет программного обеспечения для автоматизированного структурного анализа под названием «msFineAnalysis AI», который использует искусственный интеллект (ИИ) для прогнозирования масс-спектров ЭУ по химическим структурам. Мы использовали нашу недавно разработанную модель ИИ для создания базы данных предсказанных масс-спектров ЭУ примерно для 100 миллионов соединений. В этой работе мы представляем функцию анализа структуры AI в программном обеспечении для автоматического анализа структуры msFineAnalysis AI.

Рисунок 1

Рис. 1. Изображение результата анализа в msFineAnalysis AI

О функции анализа структуры AI

Функция анализа структуры ИИ выполняет автоматический анализ структуры неизвестных соединений с использованием двух ИИ (основной ИИ, вспомогательный ИИ), которые дополняют друг друга машинное обучение и глубокое обучение.

На рис. 2 показан рабочий процесс структурного анализа ИИ основным ИИ. В основном ИИ модель для прогнозирования масс-спектров ЭИ на основе структурных формул была построена с использованием глубокого обучения, а предсказанные масс-спектры ЭИ для 100 миллионов соединений были включены в программное обеспечение в качестве базы данных «Библиотека ИИ». Функция поиска в базе данных с использованием «библиотеки AI» реализована аналогично традиционному поиску в библиотеке с использованием коммерчески доступной базы данных масс-спектров EI. Кандидаты в структурные формулы сужены молекулярными формулами, однозначно определенными комплексным качественным анализом, поэтому можно быстро получить более правильные структурные формулы. Предсказанные масс-спектры EI сравнивали с измеренными масс-спектрами EI, затем по спектральным образцам рассчитывали баллы, и структурные формулы-кандидаты располагали в порядке наибольшего балла. Наконец, правильная структурная формула выбирается путем объединения полученных кандидатов в структурные формулы с информацией об образце, а также знаниями и ноу-хау, полученными в результате предыдущего анализа.

На рис. 3 показан рабочий процесс предсказания частичной структуры вспомогательным ИИ. Вспомогательный ИИ помогает интерпретировать результаты анализа, предсказывая частичную структуру на основе измеренного масс-спектра EI. Можно проанализировать формулу состава осколочных ионов и нейтральных потерь, полученную в результате точного массового анализа, и помочь в интерпретации структурной информации, предложенной основным ИИ.

Рис. 2. Основной рабочий процесс ИИ

Рис. 3 Рабочий процесс поддержки ИИ

Графический интерфейс результатов анализа структуры ИИ

На рис. 4 показаны результаты анализа структуры олигомеров акриловой смолы AI с помощью msFineAnalysis AI. Объектом анализа является димерный компонент, не зарегистрированный в базе данных библиотеки NIST. В левой части экрана результатов анализа показаны кандидаты в структуры от основного ИИ, а в правой части показаны результаты анализа от вспомогательного ИИ. Подробную структурную информацию можно получить даже для неизвестных соединений, не зарегистрированных в базе данных.

На главном экране результатов анализа ИИ в нижней части экрана отображается список предсказанных структурных формул, и можно одновременно проверить все результаты структурного анализа ИИ. Оценка AI указывает на сходство между библиотекой AI и измеренным масс-спектром и отображается внизу каждой структурной формулы. Кроме того, в верхней части экрана размещается информация о выбранной структурной формуле. Мы видим, где на гистограмме находится выбранная структурная формула. Он также включает функцию фильтрации по частичной структуре и мономеру, что позволяет результатам структурного анализа отражать наличие или отсутствие подструктур, предсказанных вспомогательным ИИ, описанным ниже.

На экране результатов анализа вспомогательного искусственного интеллекта информация о прогнозируемой частичной структуре отображается в нижней части экрана. В списке левая сторона представляет собой частичную структуру, которая, по прогнозам, присутствует, а правая сторона — это частичная структура, которая, по прогнозам, не присутствует. Частичная структура с синим фоном соответствует структурной формуле, выбранной в основном AI, а частичная структура с красным фоном не соответствует. Измеренный масс-спектр и прогнозируемая формула состава каждой потери ионов/нейтральных фрагментов размещены в верхней части экрана. Также возможно подтверждение и редактирование комментариев для каждой расчетной формулы состава.　

Рисунок 4

Рис. 4. Графический интерфейс msFineAnalysis AI

Заключение

В этом MSTips мы представили наше недавно разработанное программное обеспечение msFineAnalysis AI, которое содержит функции структурного анализа AI для улучшения рабочего процесса качественного анализа. Это программное обеспечение выполняет автоматический анализ структуры неизвестных соединений, используя два ИИ (основной ИИ, вспомогательный ИИ), которые дополняют друг друга машинное обучение и глубокое обучение. Никаких знаний в области масс-спектрометрии и искусственного интеллекта не требуется, поскольку программное обеспечение автоматически интерпретирует сложные масс-спектры.

Качественный анализ данных ГХ-МС может значительно облегчить использование данных EI и SI вместе с msFineAnalysis AI, особенно при попытке идентифицировать неизвестные соединения в сложных образцах.

PDF (1.2 МБ)