Структурный анализ олигомеров акриловой смолы с использованием Py-GC-HRTOFMS и msFineAnalysis 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 приложение для полимерных материалов, которое использует msFineAnalysis AI для структурного анализа.

Структурный анализ ИИ

Рис. 1. Рабочий процесс структурного анализа неизвестных с использованием msFineAnalysis

Рабочий процесс структурного анализа ИИ показан на рисунке 1. В этом методе мы использовали глубокое обучение для построения модели ИИ, которая может предсказывать массовый спектр ЭУ по структурной формуле. Затем мы отправили около 100 миллионов формул структуры соединений в нашу модель ИИ, чтобы сгенерировать прогнозируемые масс-спектры EI. Структурная формула и предсказанные масс-спектры EI, связанные с каждым соединением, включены в программное обеспечение в виде базы данных «библиотеки AI», которая также включает функцию поиска в базе данных на основе картины масс-спектра. Кроме того, msFineAnalysis AI использует молекулярные формулы, однозначно определенные в ходе автоматического интегрированного качественного анализа, чтобы сузить список возможных структурных формул-кандидатов.

Прогнозируемый масс-спектр EI, суженный по молекулярной формуле, и фактический масс-спектр EI используются для затем расчета балла на основе сходства их спектральной картины, а затем структурные формулы-кандидаты перечислены в порядке от высокого сходства до низкого сходства.

Экспериментальный

В качестве тестового образца в этом исследовании использовалась коммерчески доступная акриловая смола. Мы выполнили измерения Py-GC-HRTOFMS, используя режимы как EI, так и полевой ионизации (FI) с комбинированным источником ионов EI/FI. Качественная обработка данных проводилась с помощью msFineAnalysis AI (JEOL). Условия измерения приведены в таблице 1.

Таблица 1: Условия измерения и анализа

Результаты и обсуждение

Сравнение результатов структурного анализа ИИ и ссылок

Среди наблюдаемых продуктов пиролиза акриловой смолы проведен структурный анализ АИ для четырех компонентов, не зарегистрированных в базе данных библиотеки NIST и для которых структурные формулы были предложены в ссылке [1]. На рис. 2 показаны хроматограммы TIC, полученные при измерениях Py-GC-EI и FI. Пики с идентификаторами [038], [040], [055] и [063] на рисунке 2 представляют собой четыре компонента, проанализированные в этом исследовании. На рис. 3 показаны измеренные масс-спектры EI для этих четырех компонентов (верхний, черный), структурная формула, предложенная в справочной литературе (правая часть спектра), и ее предсказанный масс-спектр EI (нижний, красный).

Рисунок 2: Хроматограммы Py-GC-EI и FI TIC для сополимера метилметакрилата и метилакрилата.

Рисунок 3: Измеренные масс-спектры EI (верхний, черный) и предсказанные масс-спектры EI (нижний, красный) предложенной структурной формулы в ссылке [1] для ID [038], [040], [055], [063] в фигура 2

Результаты структурного анализа AI показаны в таблице 2. В таблице «оценка AI» представляет собой оценку (до 999), рассчитанную с помощью msFineAnalysis AI, которая представляет косинусное сходство между измеренным и предсказанным масс-спектрами EI. «Ранг» указывает рейтинг структурных формул, перечисленных на рисунке 3, а «Всего» указывает количество структурных формул-кандидатов. Все четыре компонента, проанализированные в этом исследовании, получили оценку 750 или выше, что указывает на высокую степень сходства, а фрагментарные ионы, наблюдаемые в измеренных масс-спектрах, и предсказанные масс-спектры хорошо согласовывались. Количество структурных формул-кандидатов превышало 3,000, но в трех из четырех компонентов структурные формулы, предложенные в справочной литературе, были получены в пределах 1% лучших кандидатов.

Таблица 2: Результаты структурного анализа ИИ

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. Кроме того, также было представлено приложение для полимеров с использованием msFineAnalysis AI для идентификации компонентов пиролизной акриловой смолы.

Структурный анализ с использованием ИИ был выполнен для четырех компонентов, не зарегистрированных в базе данных библиотеки NIST, и результаты были сопоставлены со структурными формулами, предложенными в справочной литературе. При сравнении спектральных паттернов все оценки сходства косинусов превышали 750, что указывает на то, что масс-спектры, предсказанные ИИ, показали высокую степень сходства с измеренными масс-спектрами. Несмотря на то, что количество структурных формул-кандидатов превысило 3,000 для каждого из компонентов, структурные формулы, предложенные в справочной литературе для трех из четырех компонентов, попали в 1% лучших кандидатов. Прогноз ИИ показал высокую точность, что свидетельствует об эффективности метода для структурного анализа продуктов пиролиза.

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.

Справка

[1] Shin Tsuge, Hajime Ohtani, Chuichi Watanabe (2011), Pyrolysis — GC/MS Data Book of Synthetic Polymers, Elsevier

Решения по областям применения

Химия

Пластмассы / Полимеры

Возможно вам понравится

JMS-T2000GC Высокопроизводительный газовый хроматограф AccuTOF™ GC-Alpha — времяпролетный масс-спектрометр

Программное обеспечение для анализа структуры неизвестных соединений msFineAnalysis AI