Структурный анализ полимерного пиролизата с помощью пиролизной ГХ-времяпролетной масс-спектрометрии и искусственного интеллекта - пример библиотеки искусственного интеллекта, содержащей в кремнеземе Пиролизат
MSTips № 498
Введение
Мы разработали msFineAnalysis AI, который имеет автоматизированный метод структурного анализа. [1] (далее именуемый структурным анализом AI), который объединяет данные с времяпролетного масс-спектрометра (TOFMS), ГХ-МС с высоким разрешением по массе и прогнозирование масс-спектра с помощью глубокого обучения в качестве решения для анализа неизвестных соединений. Это программное обеспечение содержит базу данных (БД) структурных формул и прогнозируемых масс-спектров EI приблизительно 100 миллионов соединений, полученных из базы данных PubChem (далее именуемой библиотекой AI). Используя информацию о молекулярной формуле, определенную с помощью комплексного анализа [2], можно быстро оценить структурную формулу неизвестного соединения.
Метод пиролиза ГХ-МС является широко используемым методом анализа твердых полимерных образцов, таких как смолы. Значительное количество пиролизатов, наблюдаемых в пиролизе ГХ-МС, не были зарегистрированы в коммерчески доступных базах данных масс-спектров электронной ионизации (EI). Мы попытались провести анализ с использованием библиотеки AI и подтвердили, что структурный анализ неизвестных соединений в акриловой смоле может быть выполнен с высокой точностью (MSTips №389). Однако некоторые олигомерные компоненты, такие как тримеры, не имели корректной структурной формулы в библиотеке AI. Это может быть связано с ограниченным количеством структурных формул, зарегистрированных в базе данных PubChem для полимерных пиролизатов.
В результате была разработана новая библиотека AI, охватывающая предсказанные масс-спектры EI приблизительно 25 миллионов пиролизатов. Эта библиотека была получена из исчерпывающей генерации формул структур пиролизатов in silico. В 2024 году мы выпустили msFineAnalysis AI ver. 2 с новой библиотекой AI для 120 миллионов соединений, включая полимерные пиролизаты.
В этом выпуске MSTips мы описываем пример анализа с использованием библиотеки искусственного интеллекта, включая пиролизаты in silico, оснащенные msFineAnalysis AI версии 2.
Эксперимент
В качестве тестового образца использовалась коммерчески доступная акриловая смола. Система предварительной обработки образца представляла собой пиролизер EGA/PY-3030D (Frontier Labs Inc.), ГХ-МС выполнялась с использованием JMS-T2000GC (JEOL Ltd.), а также использовался комбинированный источник ионов EI/FI. Полученные данные анализировались с использованием msFineAnalysis AI ver. 2 (JEOL Ltd.). Подробности условий измерения см. в MSTips №389.
in silico Пиролизат
Структурные формулы для в кремнеземе Пиролизаты были приготовлены по следующей процедуре. Гомополимерные и сополимерные виды, приготовленные для библиотеки AI, показаны в Таблице 1.
（1）Выбрано 49 мономерных соединений [3].
（2）Создайте структурные формулы линейной цепи гексамера для 49 гомополимеров и 18 сополимеров.
（3）Создайте структурную формулу, случайным образом разрывая от 1 до 5 одинарных связей в структурной формуле (2).
（4）Присоединение водорода или замещение двойной связи в позиции разрыва в структурной формуле (3).
（5）Выполните процессы, описанные в (2) и (3), для всех образцов, чтобы создать структурную формулу пиролизатов.
После всех этапов мы получили структурные формулы для около 25 миллионов пиролизатов. Они были введены в разработанную модель глубокого обучения, и были предсказаны масс-спектры EI около 25 миллионов соединений.
Таблица 1. Список полимеров прогнозируемой базы данных масс-спектров ЭИ для 25 миллионов в кремнеземе пиролизаты
Результат и обсуждение
Хроматограммы TIC, полученные в результате измерений методом пиролитической газовой хроматографии с времяпролетной масс-спектрометрией, показаны на рисунке 1. В данном исследовании были проанализированы 48 компонентов наблюдаемых пиролизатов акриловой смолы, которые были обнаружены в тримере со временем удерживания 14–20 минут.
Рис.1 Хроматограммы Py-GC-EI и FI TIC для акриловой смолы.
Всего в области тримера было обнаружено 48 соединений. Однако только два из них были зарегистрированы в базе данных NIST23. Остальные 46 соединений были проанализированы в библиотеке AI, из которых 26 были из базы данных PubChem, а 20 соответствовали в кремнеземе Пиролизаты, созданные в этом исследовании. Было возможно вывести структурные формулы приблизительно 40% соединений тримерной области из в кремнеземе пиролизирует информацию.
Окно результатов анализа в msFineAnalysis AI, включая масс-спектры и предполагаемую структурную формулу ID:045, наблюдаемую при 18.63 мин, показано на рисунке 2. Этот компонент едва ли наблюдался как молекулярный ион методом EI, но методом FI, м / г 300.15728, который считается молекулярным ионом, был обнаружен как базовый пик. Молекулярная формула была оценена как C15H24O6 с высокой точностью определения массы. Информация о молекулярной формуле используется в качестве фильтра в структурном анализе AI для сужения числа кандидатов. Число структурных формул кандидатов было значительно сокращено из библиотеки AI, содержащей около 120 миллионов соединений. Структурная формула с наивысшей оценкой среди 7529 кандидатов была в кремнеземе пиролизаты, которые могут образовываться из метилполиакрилата.
Рис.2 Окно результатов msFineAnalysis AI,
ID: 045 масс-спектры и предполагаемая структура в кремнеземе пиролизаты
Предполагаемые структурные формулы соединений, соответствующие в кремнеземе Пиролизаты показаны на рисунке 3. Нам удалось подтвердить тримерный компонент, отражающий структуру акриловой смолы, измеренную в этом исследовании.
Рис.3 Предполагаемые структуры 20 соединений в области тримера
с использованием анализа структуры ИИ и в кремнеземе информация о пиролизах
Заключение
В этом MSTips мы представили пример структурного анализа в области тримера акриловой смолы, где большинство обнаруженных компонентов не зарегистрированы в базе данных NIST. msFineAnalysis AI ver.2 впервые включает предсказанные масс-спектры EI 25 миллионов пиролизатов, что позволяет более точно проводить качественный анализ методом ГХ-МС пиролиза образцов твердых полимеров. Ожидается, что в будущем он будет использоваться для различных приложений качественного анализа методом ГХ-МС пиролиза.
Референции
[1] А. Кубо и др., Масс-спектрометрия, 2023, 12, А0120.
[2] М. Убуката и др., Масс-спектрометр Rapid Commun., 34 (2020 ). DOI: 10.1002/rcm.8820
[3] Shin Tsuge, Hajime Ohtani, Chuichi Watanabe (2011), Pyrolysis — GC/MS Data Book of Synthetic Polymers, Elsevier
Решения по областям применения
Связанная информация
Категория продукта
Вы медицинский работник или персонал, занимающийся медицинским обслуживанием?
Нет
Напоминаем, что эти страницы не предназначены для предоставления широкой публике информации о продуктах.