Структурный анализ добавок и родственных соединений в винилацетате 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 использовали коммерчески доступную винилацетатную смолу. 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

На рис. 2 показаны хроматограммы TIC, полученные при измерениях Py-GC-EI и FI. Диэтиленгликольдибензоат, используемый в качестве пластификатора, был обнаружен при комнатной температуре 8.45 мин (ID [134]). Кроме того, соединения, предположительно являющиеся продуктами пиролиза дибензоата диэтиленгликоля, были обнаружены при КТ 5.02 мин (ИД [085]), КТ 5.98 мин (ИД [108]) и КТ 6.98 мин (ИД [127]). Все эти соединения не были зарегистрированы в базе данных библиотеки NIST. Поэтому мы провели структурный анализ AI для этих трех компонентов и сравнили их со структурными формулами продуктов пиролиза, которые, как ожидается, будут получены из дибензоата диэтиленгликоля.

Измеренные масс-спектры EI этих трех компонентов (вверху, черный) и предсказанная структурная формула (правая часть спектра) и ее предсказанный масс-спектр EI (внизу, красный) показаны на рисунке 3. Что касается диэтиленгликольдибензоата, EI масс-спектр, зарегистрированный в базе данных библиотеки NIST, отображается синим цветом внизу, а не предсказанный масс-спектр EI.

Рисунок 2: Хроматограммы Py-GC-EI и FI TIC для поли(винилацетата)

Рисунок 3: Измеренные масс-спектры EI и предсказанные масс-спектры EI предлагаемой структурной формулы для ID [085], [108], [127], [134] на рисунке 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 три компонента, проанализированные в этом исследовании, получили оценку 850 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 2,000 для каждого из компонентов, предполагаемая структурная формула была получена как первый или второй кандидат для всех трех компонентов. 

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 применение структурного анализа добавок и родственных соединений в винилацетате с использованием msFineAnalysis AI. 

Структурный анализ с использованием AI был выполнен для трех компонентов, не зарегистрированных в базе данных библиотеки NIST, и результаты были сопоставлены со структурами продуктов пиролиза, ожидаемых от диэтиленгликольдибензоата. При сравнении спектральных паттернов все оценки косинусного сходства превышали 850, 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 превышало 2,000 для каждого из компонентов, предполагаемая структурная формула была получена как первый или второй кандидат для всех трех компонентов. Прогноз ИИ показал высокую точность, что свидетельствует об эффективности метода для структурного анализа продуктов пиролиза и добавок.

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.

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