Структурный анализ пленки полиэтилентерефталата с использованием Py-GC-HRTOFMS и msFineAnalysis AI [приложение GC-TOFMS]

Введение

Электронная ионизация (ЭИ) является одним из наиболее 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 предсказанные масс-спектры EI. Структурная формула и предсказанные масс-спектры EI, связанные с каждым соединением, включены в программное обеспечение в качестве 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 полиэтилентерефталатная пленка. 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 полиэтилентерефталата (ПЭТФ) 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 [058], [059], [115] и [159] 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 полиэтилентерефталата.

Рисунок 3: Измеренные масс-спектры EI и предсказанные масс-спектры EI для предложенной структурной формулы в ссылке [1]
для ID[058], [059], [115], [159] на рис. 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. Три из четырех компонентов, проанализированных в этом исследовании (ID [058], [059], [115]), получили более 800 баллов, что означает высокую степень сходства, и ионы-фрагменты, наблюдаемые в измеренных масс-спектрах и предсказанных масс-спектрах. были в хорошем согласии. Количество структурных формул-кандидатов составляло около 970-1400, а структурные формулы, предложенные в справочнике, были получены в пределах первых двух. 

Для ID [159] балл AI был рассчитан на уровне 510 баллов, и хотя этот балл был ниже, чем у других компонентов, структурная формула, предложенная в справочной литературе, была получена на 3-м месте у 311 кандидатов.

В результате было установлено, что структурные формулы, предложенные в справочной литературе, были получены в тройке лидеров по всем оцениваемым в данном исследовании компонентам.

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 полимера с использованием msFineAnalysis AI для идентификации компонентов пиролизованной ПЭТ-пленки.

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 три из четырех компонентов, проанализированных в этом исследовании (ID [058], [059], [115]), имели значения косинусного подобия более 800, что указывает на то, что масс-спектры, предсказанные ИИ, показали высокую степень сходства с измеренными. масс-спектры. Количество структурных формул-кандидатов составляло около 970-1400, а структурные формулы, предложенные в справочнике, были получены в пределах первых двух. Для ID [159] балл AI был рассчитан на уровне 510 баллов, и хотя этот балл был ниже, чем у других компонентов, структурная формула, предложенная в справочной литературе, была получена на 3-м месте у 311 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