การแนะนำฟังก์ชันการวิเคราะห์โครงสร้าง AI ในซอฟต์แวร์การวิเคราะห์โครงสร้างอัตโนมัติ msFineAnalysis AI [แอปพลิเคชัน GC-TOFMS]
MSTips หมายเลข 388
บทนำ
อิเลคตรอนไอออไนเซชัน (EI) เป็นหนึ่งในวิธีไอออไนเซชันที่นิยมใช้มากที่สุดในแก๊สโครมาโตกราฟี-แมสสเปกโตรเมทรี (GC-MS) ดังนั้น โดยทั่วไปแล้ว สารประกอบจะถูกระบุโดยการค้นหาฐานข้อมูลแมสสเปกตรัมโดยใช้ EI แมสสเปกตรัม เนื่องจากไอออนของโมเลกุลมักจะอ่อนแอหรือไม่มีอยู่ในสเปกตรัมมวล 70 eV EI การระบุสิ่งแปลกปลอมอาจทำได้ยากด้วย EI เพียงอย่างเดียว ในกรณีเหล่านี้ ไอออนไนซ์แบบอ่อน (SI) จะมีประโยชน์อย่างมากสำหรับการผลิตและการระบุไอออนของโมเลกุล เมื่อเร็ว ๆ นี้ JEOL เริ่มพัฒนาเวิร์กโฟลว์การวิเคราะห์เชิงคุณภาพแบบบูรณาการที่รวมและตีความข้อมูลจากข้อมูล EI และ SI โดยอัตโนมัติ และในปี 2018 เราได้เปิดตัวซอฟต์แวร์การวิเคราะห์เชิงคุณภาพแบบบูรณาการ "msFineAnalysis" ซึ่งใช้ทั้งข้อมูล EI และ SI เพื่อปรับปรุงการระบุสารประกอบสำหรับแอปพลิเคชัน GC-MS
แม้ว่าข้อเท็จจริงที่ว่า msFineAnalysis จะสามารถระบุสูตรโมเลกุลและข้อมูลโครงสร้างบางส่วนได้โดยอัตโนมัติจากสูตรไอออนของแฟรกเมนต์ EI แต่สูตรโครงสร้างจริงยังคงต้องการการวิเคราะห์ด้วยตนเองโดยใช้องค์ประกอบทางเคมี เพื่อแก้ไขปัญหานี้ เราจึงพัฒนาชุดซอฟต์แวร์การวิเคราะห์โครงสร้างอัตโนมัติที่ชื่อว่า "msFineAnalysis AI" ซึ่งใช้ปัญญาประดิษฐ์ (AI) เพื่อทำนายสเปกตรัมมวล EI จากโครงสร้างทางเคมี เราใช้แบบจำลอง AI ที่พัฒนาขึ้นใหม่เพื่อสร้างฐานข้อมูลของสเปกตรัมมวล EI ที่ทำนายไว้สำหรับสารประกอบประมาณ 100 ล้านชนิด ในงานนี้ เราแนะนำฟังก์ชันการวิเคราะห์โครงสร้าง AI ในซอฟต์แวร์การวิเคราะห์โครงสร้างอัตโนมัติ msFineAnalysis AI
รูปที่ 1 ภาพผลการวิเคราะห์ใน msFineAnalysis AI
เกี่ยวกับฟังก์ชันการวิเคราะห์โครงสร้าง AI
ฟังก์ชันการวิเคราะห์โครงสร้าง AI ทำการวิเคราะห์โครงสร้างโดยอัตโนมัติสำหรับสารประกอบที่ไม่รู้จักโดยใช้ AI สองตัว (AI หลัก, AI ที่สนับสนุน) ที่ผสมผสานการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกเข้าด้วยกัน
รูปที่ 2 แสดงขั้นตอนการทำงานของการวิเคราะห์โครงสร้างของ AI โดย AI หลัก ใน AI หลัก แบบจำลองสำหรับการทำนายสเปกตรัมมวล EI จากสูตรโครงสร้างถูกสร้างขึ้นโดยใช้การเรียนรู้เชิงลึก และการทำนายสเปกตรัมมวล EI ของสารประกอบ 100 ล้านชนิดรวมอยู่ในซอฟต์แวร์เป็นฐานข้อมูล "ไลบรารี AI" ฟังก์ชันการค้นหาฐานข้อมูลโดยใช้ "ไลบรารี AI" ถูกนำไปใช้งานคล้ายกับการค้นหาไลบรารีแบบดั้งเดิมโดยใช้ฐานข้อมูลสเปกตรัมมวล EI ที่มีจำหน่ายทั่วไป ตัวเลือกสูตรโครงสร้างจะถูกจำกัดให้แคบลงด้วยสูตรโมเลกุลที่กำหนดโดยการวิเคราะห์เชิงคุณภาพแบบบูรณาการโดยเฉพาะ จึงสามารถรับสูตรโครงสร้างที่ถูกต้องมากขึ้นได้อย่างรวดเร็ว แมสสเปกตรัม EI ที่คาดการณ์ไว้ถูกเปรียบเทียบกับสเปกตรัมมวล EI ที่วัดได้ จากนั้นจึงคำนวณคะแนนจากรูปแบบสเปกตรัม และจัดเรียงสูตรโครงสร้างผู้สมัครตามลำดับคะแนนสูงสุด สุดท้าย สูตรโครงสร้างที่ถูกต้องจะถูกเลือกโดยการรวมตัวเลือกสูตรโครงสร้างที่ได้รับเข้ากับข้อมูลตัวอย่างและความรู้และโนว์ฮาวที่ได้รับจากการวิเคราะห์ครั้งก่อน
รูปที่ 3 แสดงเวิร์กโฟลว์ของการทำนายโครงสร้างบางส่วนโดย AI ที่สนับสนุน AI ที่สนับสนุนช่วยตีความผลการวิเคราะห์โดยการทำนายโครงสร้างบางส่วนจากสเปกตรัมมวล EI ที่วัดได้ สามารถวิเคราะห์สูตรองค์ประกอบของแฟรกเมนต์ไอออนและการสูญเสียที่เป็นกลางซึ่งได้รับจากการวิเคราะห์มวลที่แม่นยำ และช่วยในการตีความข้อมูลโครงสร้างที่เสนอโดย AI หลัก
รูปที่ 2 ขั้นตอนการทำงานของ AI หลัก
รูปที่ 3 รองรับเวิร์กโฟลว์ AI
GUI ของผลการวิเคราะห์โครงสร้าง AI
รูปที่ 4 แสดงผลการวิเคราะห์โครงสร้าง AI ของอะคริลิกเรซินโอลิโกเมอร์โดย msFineAnalysis AI เป้าหมายของการวิเคราะห์คือส่วนประกอบ dimer ที่ไม่ได้ลงทะเบียนในฐานข้อมูลห้องสมุด NIST ด้านซ้ายของหน้าจอผลการวิเคราะห์จะแสดงโครงสร้างผู้สมัครโดย AI หลัก และด้านขวาแสดงผลการวิเคราะห์โดย AI สนับสนุน สามารถรับข้อมูลโครงสร้างโดยละเอียดได้แม้สำหรับสารประกอบที่ไม่รู้จักซึ่งไม่ได้ลงทะเบียนในฐานข้อมูล
ในหน้าจอผลการวิเคราะห์ AI หลัก รายการของสูตรโครงสร้างที่คาดการณ์จะแสดงอยู่ที่ด้านล่างของหน้าจอ และสามารถตรวจสอบผลการวิเคราะห์โครงสร้าง AI ทั้งหมดในคราวเดียวได้ คะแนน AI บ่งชี้ความคล้ายคลึงกันระหว่างไลบรารี AI และสเปกตรัมมวลที่วัดได้ และแสดงไว้ที่ด้านล่างของสูตรโครงสร้างแต่ละสูตร นอกจากนี้ ข้อมูลเกี่ยวกับสูตรโครงสร้างที่เลือกจะถูกโพสต์ที่ด้านบนของหน้าจอ เราสามารถดูได้ว่าสูตรโครงสร้างที่เลือกอยู่ที่ใดในฮิสโตแกรม นอกจากนี้ยังมีฟังก์ชันการกรองตามโครงสร้างบางส่วนและโมโนเมอร์ ซึ่งช่วยให้ผลการวิเคราะห์โครงสร้างสะท้อนถึงการมีหรือไม่มีโครงสร้างพื้นฐานที่คาดการณ์ไว้โดย AI สนับสนุนที่อธิบายไว้ด้านล่าง
ในหน้าจอผลการวิเคราะห์ AI ที่รองรับ ข้อมูลโครงสร้างบางส่วนที่คาดการณ์ไว้จะแสดงที่ด้านล่างของหน้าจอ ในรายการ ด้านซ้ายคือโครงสร้างบางส่วนที่คาดว่าจะมีอยู่ และด้านขวาคือโครงสร้างบางส่วนที่คาดว่าจะไม่มี โครงสร้างบางส่วนที่มีพื้นหลังสีน้ำเงินตรงกับสูตรโครงสร้างที่เลือกใน AI หลัก ในขณะที่โครงสร้างบางส่วนที่มีพื้นหลังสีแดงไม่ตรงกัน สเปกตรัมมวลที่วัดได้และสูตรองค์ประกอบที่คาดการณ์ไว้ของแต่ละชิ้นส่วนไอออน/การสูญเสียที่เป็นกลางจะโพสต์ไว้ที่ด้านบนสุดของหน้าจอ นอกจากนี้ยังสามารถยืนยันและแก้ไขความคิดเห็นสำหรับสูตรองค์ประกอบโดยประมาณแต่ละสูตรได้
รูปที่ 4 GUI ของ msFineAnalysis AI
สรุป
ใน MSTips นี้ เราแนะนำซอฟต์แวร์ msFineAnalysis AI ที่พัฒนาขึ้นใหม่ซึ่งมีฟังก์ชันการวิเคราะห์โครงสร้าง AI เพื่อปรับปรุงเวิร์กโฟลว์การวิเคราะห์เชิงคุณภาพ ซอฟต์แวร์นี้ทำการวิเคราะห์โครงสร้างโดยอัตโนมัติสำหรับสารประกอบที่ไม่รู้จักโดยใช้ AI สองตัว (AI หลัก, AI ที่สนับสนุน) ที่ผสมผสานการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกเข้าด้วยกัน ไม่จำเป็นต้องมีความรู้เกี่ยวกับแมสสเปกโตรเมทรีและ AI เนื่องจากซอฟต์แวร์จะตีความแมสสเปกตรัมที่ซับซ้อนโดยอัตโนมัติ
การวิเคราะห์เชิงคุณภาพของข้อมูล GC-MS สามารถช่วยได้มากโดยใช้ข้อมูล EI และ SI ร่วมกับ msFineAnalysis AI โดยเฉพาะอย่างยิ่งเมื่อพยายามระบุสารประกอบที่ไม่รู้จักในตัวอย่างที่ซับซ้อน
การแก้ปัญหาตามสาขา
ชีววิทยา / วิทยาศาสตร์เพื่อชีวิต
รายการสินค้า ที่เกี่ยวข้อง
คุณเป็นผู้เชี่ยวชาญทางการแพทย์หรือบุคลากรที่เกี่ยวข้องกับการรักษาพยาบาลหรือไม่?
ไม่
โปรดทราบว่าหน้าเหล่านี้ไม่ได้มีวัตถุประสงค์เพื่อให้ข้อมูลเกี่ยวกับผลิตภัณฑ์แก่ประชาชนทั่วไป