msFineAnalysis AI เวอร์ชัน 3
สารประกอบที่ไม่รู้จัก
ซอฟต์แวร์วิเคราะห์โครงสร้าง

ยุคใหม่ของการวิเคราะห์โครงสร้างของสารประกอบที่ไม่รู้จัก
การผสมผสานระหว่างเทคโนโลยี AI ล้ำสมัยและ GCxGC ที่ครอบคลุม

msFineAnalysis AI นำเสนอเครื่องมือวิเคราะห์โครงสร้างใหม่สำหรับสารประกอบที่ไม่รู้จัก ซึ่งออกแบบมาเฉพาะสำหรับ JEOL JMS-T2000GC "AccuTOF™ GC-Alpha 2.0" “การวิเคราะห์แบบบูรณาการ” รวมข้อมูลความละเอียดสูง GC/EI, GC/Soft Ionization และ “การวิเคราะห์โครงสร้าง AI” โดยใช้เทคโนโลยี AI 4 ประเภท
เวอร์ชัน 3 รองรับการวิเคราะห์ข้อมูลแก๊สโครมาโทกราฟีแบบสองมิติ (GCxGC) ที่ครอบคลุม นอกเหนือจากการวิเคราะห์ข้อมูล GC-MS ทั่วไป สำหรับสารผสมที่ซับซ้อน เช่น ตัวอย่างปิโตรเลียมและตัวอย่างวิทยาศาสตร์ชีวภาพ การแยก GCxGC ระดับสูงพิเศษและการวิเคราะห์โครงสร้างของสารประกอบที่ไม่รู้จักโดยใช้ msFineAnalysis AI จะพิสูจน์ให้เห็นถึงประสิทธิภาพอย่างมาก
เทคโนโลยี AI ขั้นสูงเหล่านี้ทำให้ msFineAnalysis AI สามารถมอบความสามารถในการวิเคราะห์โครงสร้างอัตโนมัติที่ไม่ซ้ำใคร ซึ่งก่อนหน้านี้ไม่มีให้ใช้งานในการวิเคราะห์เชิงคุณภาพ GCMS และ GCxGC-MS

คุณสมบัติ

#1 การวิเคราะห์โครงสร้าง AI

โซลูชันนวัตกรรมด้วยเทคโนโลยี AI สี่ประการ
รองรับการกำหนดสูตรโมเลกุลและการประมาณสูตรโครงสร้างสำหรับสารประกอบที่ไม่รู้จัก

สำหรับสารประกอบที่ไม่รู้จัก (▼) ไม่ได้ลงทะเบียนในฐานข้อมูล NIST msFineAnalysis แบบเดิมจะคำนวณสูตรโมเลกุลโดยอัตโนมัติ ด้วย msFineAnalysis AI จะสามารถประมาณสูตรโครงสร้างของสารประกอบที่ไม่รู้จักได้โดยอัตโนมัติ

ความจำเป็นในการแตกตัวเป็นไอออนแบบอ่อน: การได้รับข้อมูลสูตรโมเลกุลที่เชื่อถือได้ถือเป็นขั้นตอนแรกในการวิเคราะห์โครงสร้าง!

ข้อมูลมวลสเปกตรัม EI ถูกนำมาใช้สำหรับฐานข้อมูล NIST ดังนั้นวิธี EI จึงถูกนำมาใช้อย่างแพร่หลายในการวิเคราะห์เชิงคุณภาพของตัวอย่าง GC-MS อย่างไรก็ตาม เนื่องจาก EI เป็นวิธีการไอออไนเซชันแบบฮาร์ด จึงมีการตรวจพบไอออนของชิ้นส่วนจำนวนมาก และในหลายกรณี การตรวจพบไอออนโมเลกุลเพียงเล็กน้อยหรือไม่พบสัญญาณเลยถือเป็นเรื่องปกติ

นอกจากนี้ สำหรับสารประกอบที่ไม่รู้จักที่ไม่ได้ลงทะเบียนในฐานข้อมูล NIST นั้น เป็นการยากที่จะแยกแยะโดยใช้สเปกตรัมมวล EI เพียงอย่างเดียวว่าสารประกอบที่ใหญ่ที่สุดที่สังเกตได้ ม./ซ ค่าจริง ๆ แล้วคือไอออนโมเลกุลหรือไอออนเศษ ในกรณีเหล่านี้ วิธีการไอออไนเซชันแบบอ่อนเป็นเครื่องมือที่มีประสิทธิภาพในการระบุข้อมูลนี้

AccuTOFT™ GC-Alpha มีระบบการแตกตัวแบบอ่อน (soft ionization) ให้เลือกหลากหลายวิธี เช่น การแตกตัวแบบสนาม (field ionization: FI), การแตกตัวแบบโฟโตไอออไนเซชัน (photo ionization: PI) และการแตกตัวแบบเคมี (chemical ionization: CI) เทคนิคเหล่านี้สามารถช่วยในการจำแนกไอออน (เช่น ไอออนโมเลกุลและโมเลกุลที่ถูกโปรตอน) ซึ่งให้ข้อมูลน้ำหนักโมเลกุลที่ทำให้สามารถระบุสูตรโมเลกุลของสารประกอบที่ไม่ทราบชนิดได้อย่างแม่นยำ

เนื่องจากข้อมูลสูตรโมเลกุลเป็นจุดเริ่มต้นที่สำคัญสำหรับการวิเคราะห์โครงสร้าง AI การแตกตัวแบบอ่อนจึงมีความสำคัญอย่างยิ่งในการระบุสารประกอบที่ไม่รู้จัก

สเปกตรัมมวลของส่วนประกอบที่ไม่ได้ลงทะเบียนใน
ฐานข้อมูล NIST

การวิเคราะห์โครงสร้างด้วยตนเองโดยนักวิเคราะห์ที่มีทักษะ vs การวิเคราะห์โครงสร้างอัตโนมัติด้วย AI

※วัดด้วยพีซีกำหนดค่ามาตรฐาน JMS-T2000GC

เวลาที่จำเป็นในการวิเคราะห์โครงสร้างได้รับการเปรียบเทียบสำหรับสารประกอบที่สังเกตได้ในเรซินอะคริลิกที่วัดโดย Py-GCTOFMS และไม่ได้ลงทะเบียนในฐานข้อมูล NIST
แม้แต่นักวิเคราะห์ที่มีประสบการณ์ด้านแมสสเปกโตรเมตรีมากกว่า 30 ปี ประมาณ 2 ชั่วโมงสำหรับการวิเคราะห์โครงสร้างของ 4 องค์ประกอบซึ่งก็คือ 30 นาทีต่อส่วนประกอบหนึ่ง ในทางกลับกัน การวิเคราะห์โครงสร้าง AI เสร็จสิ้น ส่วนประกอบ 100 รายการในเวลาน้อยกว่า 7 นาทีซึ่งก็คือ 4 วินาทีต่อส่วนประกอบ

คะแนนการวิเคราะห์โครงสร้าง AI (ความคล้ายคลึง) ระหว่างสูตรโครงสร้างที่ประเมินโดยนักวิเคราะห์ที่มีทักษะและสูตรโครงสร้างที่ถูกต้อง ซึ่งบ่งชี้ว่าสูตรโครงสร้างได้รับการทำนายด้วยความคล้ายคลึงที่ดี

โซลูชันนวัตกรรมด้วยเทคโนโลยี AI สี่ประการ
การวิเคราะห์โครงสร้างอัตโนมัติโดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต

msFineAnalysis AI ใช้โมเดล AI สี่แบบที่แตกต่างกัน (ดูตารางที่ 1) เพื่อดำเนินการวิเคราะห์สูตรโมเลกุล โครงสร้างย่อย และความรู้ทางเทคนิคโดยอัตโนมัติ และให้ผลการวิเคราะห์อย่างรวดเร็ว

เวิร์กโฟลว์ AI ของ msFineAnalysis

การคัดเลือกสูตรโมเลกุลที่เป็นเอกลักษณ์โดย AI ตัวที่สี่

โดยใช้แบบจำลองการเรียนรู้เชิงลึก ระบบจะกำหนดคะแนน (คะแนน IM) ให้กับสูตรโมเลกุลที่เป็นตัวเลือกและจัดอันดับ สูตรโมเลกุลเหล่านี้มีประสิทธิภาพอย่างยิ่งในการคำนวณสูตรโมเลกุลจากตัวเลือกหลายตัวที่มีช่วงมวลที่สูงกว่า

วิวัฒนาการของโมเดล AI

แบบจำลองการทำนายสเปกตรัมมวล EI ที่ใช้เครือข่ายกราฟคอนโวลูชันได้รับการปรับปรุงให้ดียิ่งขึ้น ทั้งความคล้ายคลึงและความแม่นยำได้รับการปรับปรุงอย่างมากจากเวอร์ชัน 1 และ 2 เพื่อให้ผลลัพธ์การวิเคราะห์โครงสร้างอัตโนมัติมีความแม่นยำมากขึ้น

ฮิสโทแกรมแสดงค่าความคล้ายคลึงของโคไซน์สำหรับแบบจำลองทั้งหมดระหว่างสเปกตรัมมวล EI ที่วัดได้และที่คาดการณ์ไว้ของสารประกอบที่รู้จัก 10,000 ชนิด แบบจำลอง AI ในเวอร์ชัน 3 ได้พัฒนาประสิทธิภาพไปอีกขั้น และค่าเฉลี่ยของค่าความคล้ายคลึงของโคไซน์ได้ปรับปรุงขึ้นเป็น 0.86! (เวอร์ชัน 1: 0.72, เวอร์ชัน 2: 0.80)

การวิเคราะห์โครงสร้างของสารประกอบที่ไม่รู้จักในอาหาร

ส่วนประกอบของรสชาติในหอยนางรมได้รับการวิเคราะห์โดยใช้ HS-SPME GC-MS ร่วมกัน การวิเคราะห์โครงสร้าง AI ของสารประกอบที่ไม่รู้จักซึ่งก่อนหน้านี้ระบุว่าเป็น 1,5-octadien-3-ol¹⁾ได้สูตรโครงสร้างที่เสนอมา 2,544 สูตร ซึ่งถูกจำกัดให้เหลือ 1,012 สูตรโดยใช้ตัวกรองโครงสร้างย่อย "OH" สูตรโครงสร้างที่เสนอโดยงานวิจัยนี้เป็นสูตรที่สองที่มีคะแนน AI อยู่ที่ 936 ซึ่งถือว่าค่อนข้างสูง

1) เคนจิ อุเอดะ, โคคิ ยาฮิโระ, โยชิฮิโกะ อาคาคาเบะ, เจ. โอเลโอ ไซอิ 72, (7) 725-732 (2023)

หน้าต่างผลการวิเคราะห์โครงสร้าง AI ของส่วนประกอบรสชาติ
ในหอยนางรม

JMS-T2000GC พร้อม HS-SPME
(headspace – การสกัดไมโครเฟสของแข็ง) เครื่องเก็บตัวอย่างอัตโนมัติ

#2 การวิเคราะห์ข้อมูล GCxGC

การวิเคราะห์สารประกอบที่ไม่รู้จักอย่างครอบคลุมสำหรับตัวอย่างส่วนผสมที่ซับซ้อน

GCxGC สามารถวิเคราะห์ตัวอย่างที่ซับซ้อนซึ่งประกอบด้วยสารประกอบหลายชนิดที่มีการแยกตัวสูงได้โดยใช้คอลัมน์สองประเภทที่แตกต่างกัน โครมาโทกราฟีสำหรับการแยก GCxGC ระดับสูงพิเศษ ผสานกับการวิเคราะห์โครงสร้างด้วย AI มอบโซลูชันการวิเคราะห์เชิงคุณภาพแบบใหม่

การวิเคราะห์สารประกอบที่ไม่รู้จักในเซลล์ HeLa

เมตาบอไลต์ที่ละลายน้ำได้ในเซลล์ HeLa ถูกทำให้เป็นอนุพันธ์ด้วย TMS และวัดโดย GCxGC-TOFMS และตรวจพบเมตาบอไลต์ทั้งหมด 674 รายการ

ในการศึกษาก่อนหน้า²⁾สารประกอบที่ไม่รู้จักซึ่งระบุว่าเป็น N-methyluridine monophosphate (N-methyl UMP) ซึ่งเป็นสารที่ไม่ได้ลงทะเบียนในฐานข้อมูล NIST ได้รับการวิเคราะห์โครงสร้างโดยใช้ AI ผลปรากฏว่า N-methyl UMP เป็นตัวเลือกอันดับต้นๆ โดยมีคะแนน AI ที่ดีที่ 805 นอกจากนี้ N-methyl UMP และสารประกอบที่เกี่ยวข้องกับกรดนิวคลีอิกยังมีเวลาคงตัวใกล้เคียงกันในคอลัมน์ที่ 2 ซึ่งบ่งชี้ว่าเป็นสารประกอบที่มีขั้วใกล้เคียงกัน

2) Lai Z., Tsugawa H. และคณะ (2018). Nature Methods, 15 (1), 53–56. DOI: 10.1038/nmeth.4512

ตัวอย่างนี้ได้รับความอนุเคราะห์จากศาสตราจารย์ฮิโรชิ ซึกาวะ จากมหาวิทยาลัยเกษตรและเทคโนโลยีโตเกียว

การวิเคราะห์รายละเอียดของน้ำมันไพโรไลซิส

น้ำมันไพโรไลซิสที่ได้จากส่วนผสมของพอลิเอทิลีน (PE) พอลิโพรพิลีน (PP) และพอลิไวนิลคลอไรด์ (PVC) ถูกวิเคราะห์ด้วย GCxGC-TOFMS ส่งผลให้สามารถแยกแอลเคนและแอลคีนที่ได้จาก PE/PP ซึ่งแยกได้ยากด้วย 1D GC ได้อย่างชัดเจน นอกจากนี้ สูตรโมเลกุลของพีคยังถูกระบุด้วยวิธี soft ionization สำหรับสารประกอบที่ไม่ทราบชนิดที่ไม่ได้ลงทะเบียนในฐานข้อมูล NIST สูตรโครงสร้างได้มาโดยใช้การวิเคราะห์โครงสร้างด้วย AI

ตัวอย่างนี้ได้รับความอนุเคราะห์จากรองศาสตราจารย์ Shogo Kumagai จากมหาวิทยาลัย Tohoku

#3 การวิเคราะห์เป้าหมาย

ค้นหาสารประกอบที่รู้จักอย่างรวดเร็ว

ฟังก์ชันการวิเคราะห์เป้าหมายจะค้นหาสารประกอบตามสูตรองค์ประกอบโดยอัตโนมัติ ม./ซ มูลค่า และ CAS#
มีรายการการวิเคราะห์เป้าหมายที่ตั้งไว้ล่วงหน้า นอกจากนี้ คุณสามารถสร้างและปรับแต่งรายการที่ผู้ใช้กำหนดสำหรับตัวอย่างและการวิเคราะห์ที่สนใจได้ นอกจากนี้ยังมีการวิเคราะห์แบบผสมผสานและการวิเคราะห์โครงสร้างของ AI ของสารประกอบที่ตรวจพบโดยการวิเคราะห์เป้าหมายอีกด้วย

การวิเคราะห์เป้าหมายของรสชาติและส่วนประกอบที่ไม่ปรุงรสในอาหาร

msFineAnalysis AI ไม่เพียงรองรับการวิเคราะห์ที่ไม่ใช่เป้าหมายเท่านั้น แต่ยังสนับสนุนการวิเคราะห์เป้าหมายด้วย มันจะค้นหาสารประกอบเป้าหมายโดยอัตโนมัติตามสูตรองค์ประกอบ ม./ซ มูลค่าและหมายเลข CAS

สำหรับข้อมูลส่วนประกอบของสารแต่งกลิ่นในน้ำมะนาว สารประกอบ 10 รายการถูกสกัดเมื่อวิเคราะห์ด้วยรายการเป้าหมายของส่วนประกอบที่ไม่มีกลิ่น 498 รายการ หน้าต่างผลลัพธ์ที่มุมขวาล่างแสดงผลการวิเคราะห์โดยละเอียดของ Citral ในองค์ประกอบทั้ง 10 รายการ

รายการเป้าหมายของส่วนประกอบที่ไม่มีรสชาติ 498 รายการ

การวิเคราะห์โดยละเอียดของ Citral ที่มีอยู่ในน้ำมะนาว

#4 การตรวจจับเดคอนโวลูชัน

Chromatographic peak deconvolution สามารถตรวจจับส่วนประกอบร่องรอยที่อาจไม่ชัดเจนใน TICC เนื่องจากการรวมตัวกันของส่วนประกอบต่างๆ

EI: เส้นทึบสีดำ: TICC ยอดเขาสีเทา: ยอดเดคอนโวลูชัน (สีน้ำเงิน: เลือกอยู่ในปัจจุบัน)
FI: เส้นทึบสีเขียว: TICC, พีคสีเทา: พีคการบิดเบี้ยว (สีน้ำเงิน: ที่เลือกอยู่ในปัจจุบัน)

ขั้นตอนนี้ทำให้กระบวนการวิเคราะห์ข้อมูลง่ายขึ้นโดยการกำหนดว่าไอออนใดเข้ากับสารประกอบแต่ละชนิด และขจัดความจำเป็นในการสร้างไอออนโครมาโตแกรม (EICs) ที่แยกออกมา

#5 การเปรียบเทียบสองตัวอย่าง (การวิเคราะห์ความแตกต่าง)

ฟังก์ชันนี้ใช้พล็อตภูเขาไฟ โดยมีค่า p บนแกนตั้งแสดงถึงความสามารถในการทำซ้ำได้ และอัตราส่วนความเข้มข้นระหว่างสองตัวอย่างบนแกนนอน

การวิเคราะห์โดยละเอียด - แผนภาพภูเขาไฟ
(A: สินค้าอ้างอิง, B: สินค้ามีตำหนิ)

ข้อมูลนี้ช่วยให้สามารถยืนยันส่วนประกอบที่แตกต่างกันระหว่างสองตัวอย่างได้ด้วยภาพ ตัวอย่างเช่น เป็นไปได้ที่จะยืนยันว่าส่วนประกอบเพิ่มขึ้นหรือลดลงเมื่อเปรียบเทียบผลิตภัณฑ์อ้างอิงกับผลิตภัณฑ์ที่มีข้อบกพร่อง หรือเพื่อระบุส่วนประกอบที่มีลักษณะเฉพาะในวัสดุใหม่โดยเปรียบเทียบกับวัสดุที่มีอยู่ สำหรับการเปรียบเทียบสองตัวอย่าง คุณสามารถตั้งค่า n=1, 3, 5 สำหรับจำนวนการวัดสำหรับแต่ละตัวอย่างได้

ข้อบ่งชี้จำเพาะ

ข้อมูลจำเพาะที่สำคัญ

JMS-T2000GC AccuTOF^TM GC-อัลฟา 2.0

msFineAnalysis AI เวอร์ชัน 2

ดาวน์โหลดแคตตาล็อก

msFineAnalysis AI ซอฟต์แวร์วิเคราะห์โครงสร้างสารประกอบที่ไม่รู้จักแบบอัตโนมัติ

การใช้งาน

การใช้งาน GC-TOFMS: การวิเคราะห์เชิงคุณภาพของสิ่งเจือปนในตัวทำละลายสำหรับการผลิตเซมิคอนดักเตอร์โดยใช้ msFineAnalysis AI

การใช้งาน GC-TOFMS: การวิเคราะห์เชิงคุณภาพของส่วนประกอบทางเคมีในยาสมุนไพร

แอปพลิเคชัน GC-TOFMS: msFineAnalysis AI ซอฟต์แวร์การวิเคราะห์เชิงคุณภาพแบบใหม่สำหรับ JMS-T2000GC พร้อมการวิเคราะห์โครงสร้าง AI

แอปพลิเคชัน GC-TOFMS: การแนะนำฟังก์ชันการวิเคราะห์โครงสร้าง AI ในซอฟต์แวร์การวิเคราะห์โครงสร้างอัตโนมัติ msFineAnalysis AI

การประยุกต์ใช้ GC-TOFMS: การวิเคราะห์โครงสร้างของอะคริลิกเรซินโอลิโกเมอร์โดยใช้ Py-GC-HRTOFMS และ msFineAnalysis AI

การประยุกต์ใช้ GC-TOFMS: การวิเคราะห์โครงสร้างของสารเติมแต่งและสารประกอบที่เกี่ยวข้องใน Vinyl Acetate โดยใช้ Py-GC-HRTOFMS และ msFineAnalysis AI

การประยุกต์ใช้ GC-TOFMS: การวิเคราะห์โครงสร้างของฟิล์มโพลีเอทิลีนเทเรฟทาเลตโดยใช้ Py-GC-HRTOFMS และ msFineAnalysis AI

สินค้าที่เกี่ยวข้อง

เครื่องแก๊สโครมาโทกราฟ JMS-T2000GC AccuTOF™ GC-Alpha 2.0 - เครื่องวัดมวลสารแบบ Time-of-Flight

ระบบ GC-MS ขั้นสูงสุดที่มุ่งเน้นประสิทธิภาพและฟังก์ชันการใช้งานขั้นสูงสุด JMS-T2000GC AccuTOF™ GC-Alpha ได้รับการพัฒนาเป็นเวอร์ชัน "2.0" ด้วยการผสานรวมช่องรับตัวอย่างมาตรฐานอัตโนมัติเต็มรูปแบบและ AI ของ msFineAnalysis

ข้อมูลเพิ่มเติม