การวิเคราะห์โครงสร้างของโอลิโกเมอร์เรซินอะคริลิกโดยใช้ Py-GC-HRTOFMS และ msFineAnalysis AI [แอปพลิเคชัน GC-TOFMS]
MSTips หมายเลข 389
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 เราแนะนำแอปพลิเคชันวัสดุพอลิเมอร์ที่ใช้ msFineAnalysis AI สำหรับการวิเคราะห์โครงสร้าง
การวิเคราะห์โครงสร้าง AI
รูปที่ 1: เวิร์กโฟลว์สำหรับการวิเคราะห์โครงสร้างของสิ่งที่ไม่รู้จักโดยใช้ msFineAnalysis
เวิร์กโฟลว์การวิเคราะห์โครงสร้างของ AI แสดงในรูปที่ 1 ในวิธีนี้ เราใช้การเรียนรู้เชิงลึกเพื่อสร้างแบบจำลอง AI ที่สามารถทำนายสเปกตรัมมวลของ EI จากสูตรโครงสร้าง จากนั้นเราได้ส่งสูตรโครงสร้างแบบผสมประมาณ 100 ล้านสูตรไปยังแบบจำลอง AI ของเราเพื่อสร้างสเปกตรัมมวล EI ที่คาดการณ์ไว้ สูตรโครงสร้างและสเปกตรัมมวล EI ที่คาดการณ์ไว้ซึ่งเชื่อมโยงกับสารประกอบแต่ละชนิดรวมอยู่ในซอฟต์แวร์เป็นฐานข้อมูล "ห้องสมุด AI" ซึ่งรวมถึงฟังก์ชันการค้นหาฐานข้อมูลตามรูปแบบแมสสเปกตรัม นอกจากนี้ msFineAnalysis AI ยังใช้สูตรโมเลกุลที่กำหนดโดยเฉพาะในระหว่างการวิเคราะห์เชิงคุณภาพแบบบูรณาการโดยอัตโนมัติ เพื่อจำกัดสูตรโครงสร้างที่เป็นไปได้ให้แคบลง
จากนั้นจะใช้สเปกตรัมมวล EI ที่ทำนายไว้ซึ่งจำกัดให้แคบลงตามสูตรโมเลกุลและสเปกตรัมมวล EI จริงเพื่อคำนวณคะแนนจากความคล้ายคลึงกันของรูปแบบสเปกตรัม จากนั้นจึงแสดงสูตรโครงสร้างตัวเลือกตามลำดับความคล้ายคลึงสูงไปต่ำ
การทดลอง
อะคริลิกเรซินที่มีจำหน่ายในท้องตลาดถูกใช้เป็นตัวอย่างทดสอบในการศึกษานี้ เราทำการวัด Py-GC-HRTOFMS โดยใช้ทั้งโหมด EI และโหมด field ionization (FI) ที่มีแหล่งกำเนิดไอออน EI/FI รวมกัน การประมวลผลข้อมูลเชิงคุณภาพดำเนินการด้วย msFineAnalysis AI (JEOL) เงื่อนไขการวัดแสดงในตารางที่ 1
ตารางที่ 1: เงื่อนไขการวัดและการวิเคราะห์
สภาวะไพโรไลซิส | |
---|---|
ไพโรไลเซอร์ | EGA/PY-3030D (แล็บชายแดน) |
อุณหภูมิไพโรไลซิส | 600 ° C |
เงื่อนไข GC | |
แก๊สโครมาโตกราฟ | 8890 GC |
(Agilent เทคโนโลยี) | |
คอลัมน์ | ZB-5MSi (ปรากฏการณ์) |
30 ม. × 0.25 มม., 0.25 ไมครอน | |
อุณหภูมิเตาอบ | 40°C (2 นาที) - 10°C/นาที |
-320°C (15 นาที) | |
โหมดการฉีด | โหมดแยก (100:1) |
การไหลของผู้ให้บริการ | เขา: 1.0 มล. / นาที |
เงื่อนไข MS | |
---|---|
สเปกโตรมิเตอร์ | JMS-T2000GC (บริษัท จอล จำกัด) |
แหล่งไอออน | แหล่งกำเนิดไอออนรวม EI/FI |
การทำให้เป็นละออง | EI+: 70 eV, 300 ไมโครเอ |
FI+: -10 kV, 40 mA/30 มิลลิวินาที | |
ช่วงมวล | ม./ซ 35 - 800 |
เงื่อนไขการประมวลผลข้อมูล | |
ซอฟต์แวร์ | msFineAnalysis AI (บริษัท JEOL จำกัด) |
ฐานข้อมูลห้องสมุด | NIST20, ห้องสมุด AI (JEOL Ltd.) |
ผลลัพธ์และการสนทนา
การเปรียบเทียบผลการวิเคราะห์โครงสร้าง AI และการอ้างอิง
ในบรรดาผลิตภัณฑ์อะคริลิกเรซินไพโรไลซิสที่สังเกตได้ การวิเคราะห์โครงสร้างด้วย AI ได้ดำเนินการสำหรับส่วนประกอบสี่ส่วนที่ไม่ได้ลงทะเบียนในฐานข้อมูลห้องสมุด NIST และสำหรับสูตรโครงสร้างที่ได้รับการเสนอในข้อมูลอ้างอิง [1] รูปที่ 2 แสดงโครมาโตแกรม TIC ที่ได้จากการวัด Py-GC-EI และ FI จุดสูงสุดที่มีรหัส [038], [040], [055] และ [063] ในรูปที่ 2 คือสี่องค์ประกอบที่วิเคราะห์ในการศึกษานี้ รูปที่ 3 แสดงแมสสเปกตรัม EI ที่วัดได้สำหรับองค์ประกอบทั้งสี่นี้ (ด้านบน สีดำ) สูตรโครงสร้างที่เสนอในเอกสารอ้างอิง (ด้านขวาของสเปกตรัม) และสเปกตรัมมวล EI ที่คาดการณ์ไว้ (ด้านล่าง สีแดง)
รูปที่ 2: โครมาโตแกรม Py-GC-EI และ FI TIC สำหรับโคพอลิเมอร์เมทิลเมทาคริเลต-เมทิลอะคริเลต
รูปที่ 3: แมสสเปกตรัม EI ที่วัดได้ (บน, สีดำ) และแมสสเปกตรัม EI ที่คาดการณ์ไว้ (ล่าง, สีแดง) ของสูตรโครงสร้างที่เสนอในการอ้างอิง [1] สำหรับ ID[038], [040], [055], [063] ใน รูปที่ 2
ผลการวิเคราะห์โครงสร้าง AI แสดงในตารางที่ 2 ในตาราง "คะแนน AI" คือคะแนน (สูงสุด 999) ที่คำนวณโดย msFineAnalysis AI ซึ่งแสดงถึงความคล้ายคลึงกันของโคไซน์ระหว่างสเปกตรัมมวล EI ที่วัดได้และที่คาดการณ์ไว้ "อันดับ" ระบุอันดับคะแนนของสูตรโครงสร้างที่แสดงอยู่ในรูปที่ 3 และ "รวม" ระบุจำนวนสูตรโครงสร้างตัวเลือก ส่วนประกอบทั้งสี่ที่วิเคราะห์ในการศึกษานี้ได้คะแนน 750 หรือสูงกว่า ซึ่งบ่งชี้ว่ามีความคล้ายคลึงกันในระดับสูง และไอออนของชิ้นส่วนที่สังเกตได้ในแมสสเปกตรัมที่วัดได้และแมสสเปกตรัมที่คาดการณ์ไว้อยู่ในข้อตกลงที่ดี จำนวนสูตรโครงสร้างที่เป็นตัวเลือกมีทั้งหมดเกิน 3,000 รายการ แต่ในสามในสี่องค์ประกอบ สูตรโครงสร้างที่เสนอในเอกสารอ้างอิงได้รับภายใน 1% แรกของตัวเลือก
ตารางที่ 2: ผลการวิเคราะห์โครงสร้าง AI
อ้างอิง [1] ข้อมูล | |
---|---|
เอกสาร | การกำหนดยอดหลัก |
d2 | C=C(C)-CC(C)(COOC)-C ? |
d4 | C=C(C)-C=C(COOC)-C ? |
เอทู' | C=C(COOC)-CC(COOC)-C ? |
D1 | C=C(COOC)-CC(C)(COOC)-C ? |
ผลลัพธ์ msFineAnalysis AI | ||||||
---|---|---|---|---|---|---|
ID | RT (นาที) | ชื่อ IUPAC | PubChem CID | คะแนน AI | อันดับ | รวม |
038 | 7.41 | เมทิล 2,2,4-ไตรเมทิลเพนต์-4-อีโนเอต | 12512240 | 872 | 2 | 5548 |
040 | 8.32 | เมทิล 2,4-ไดเมทิลเพนตา-2,4-ไดโนเอต | 71327190 | 865 | 18 | 3769 |
055 | 11.04 | ไดเมทิล 2-เมทิล-4-เมทิลไดอีนเพนทาเนไดเอต | 12037869 | 753 | 37 | 3109 |
063 | 11.69 | ไดเมทิล 2,2-ไดเมทิล-4-เมทิลไดอีนเพนทาเนไดเอต | 10035672 | 825 | 9 | 3732 |
สรุป
ใน MSTips นี้ เราแนะนำซอฟต์แวร์ msFineAnalysis AI ที่พัฒนาขึ้นใหม่ซึ่งมีฟังก์ชันการวิเคราะห์โครงสร้าง AI เพื่อปรับปรุงเวิร์กโฟลว์การวิเคราะห์เชิงคุณภาพ นอกจากนี้ ยังมีการนำเสนอแอปพลิเคชันพอลิเมอร์โดยใช้ msFineAnalysis AI เพื่อระบุส่วนประกอบของเรซินอะคริลิกไพโรไลซ์
การวิเคราะห์โครงสร้างโดยใช้ AI ดำเนินการกับสี่องค์ประกอบที่ไม่ได้ลงทะเบียนในฐานข้อมูลห้องสมุด NIST และผลลัพธ์จะถูกเปรียบเทียบกับสูตรโครงสร้างที่เสนอในเอกสารอ้างอิง ในการเปรียบเทียบรูปแบบสเปกตรัม คะแนนความคล้ายคลึงกันของโคไซน์ทั้งหมดมีค่ามากกว่า 750 ซึ่งบ่งชี้ว่าแมสสเปกตรัมที่คาดการณ์โดย AI แสดงความคล้ายคลึงกันในระดับสูงกับแมสสเปกตรัมที่วัดได้ แม้ว่าจำนวนสูตรโครงสร้างสำหรับแต่ละส่วนประกอบจะเกิน 3,000 สูตร แต่สูตรโครงสร้างที่เสนอในเอกสารอ้างอิงสำหรับส่วนประกอบสามในสี่นั้นอยู่ใน 1% แรกของตัวเลือกแรก การทำนายโดย AI มีความแม่นยำสูง ซึ่งบ่งชี้ว่าวิธีนี้มีประสิทธิภาพสำหรับการวิเคราะห์โครงสร้างของผลิตภัณฑ์ไพโรไลซิส
การวิเคราะห์เชิงคุณภาพของข้อมูล GC-MS สามารถช่วยได้มากโดยใช้ข้อมูล EI และ SI ร่วมกับ msFineAnalysis AI โดยเฉพาะอย่างยิ่งเมื่อพยายามระบุสารประกอบที่ไม่รู้จักในตัวอย่างที่ซับซ้อน
อ้างอิง
[1] Shin Tsuge, Hajime Ohtani, Chuichi Watanabe (2011), ไพโรไลซิส - สมุดข้อมูล GC/MS ของโพลีเมอร์สังเคราะห์, Elsevier
การแก้ปัญหาตามสาขา
รายการสินค้า ที่เกี่ยวข้อง
คุณเป็นผู้เชี่ยวชาญทางการแพทย์หรือบุคลากรที่เกี่ยวข้องกับการรักษาพยาบาลหรือไม่?
ไม่
โปรดทราบว่าหน้าเหล่านี้ไม่ได้มีวัตถุประสงค์เพื่อให้ข้อมูลเกี่ยวกับผลิตภัณฑ์แก่ประชาชนทั่วไป