DOI: https://doi.org/10.1021/jasms.4c00451
PMID: https://pubmed.ncbi.nlm.nih.gov/39806561
تاريخ النشر: 2025-01-14
المؤلف: Deborah McGlynn وآخرون
الموضوع الرئيسي: تقنيات و تطبيقات مطيافية الكتلة
نظرة عامة
تناقش هذه القسم التقدم في تحديد المركبات باستخدام مطيافية الكتلة كروماتوغرافيا الغاز (GC-MS)، مع معالجة التحديات المتعلقة بالعمليات الذاتية والتي تستغرق وقتًا طويلاً والتي غالبًا ما تترك جزءًا كبيرًا من الأطياف عالية الجودة غير محدد. يقدم المؤلفون طرقًا جديدة تعتمد على مكتبات الأطياف الكتلية تستفيد من تفرد الأطياف الكتلية ووجود المركبات في المكتبات، إلى جانب تقنيات لتقليل الضوضاء ومقارنات مؤشر الاحتفاظ الآلي. استخدمت الدراسة مجموعة بيانات تضم 4,833 طيفًا من المركبات العضوية الجزيئية المنبعثة خلال احتراق الوقود في الأراضي البرية، مستخدمة مكتبة NIST 2023 EI-MS للتحديدات الأولية. على الرغم من هذه الجهود، ظل حوالي 90% من الأطياف غير محددة، مما دفع إلى تطوير مقياس جديد، وهو الوفرة النسبية المتوسطة، لتقييم احتمال التحديد.
تسلط النتائج الضوء على إمكانية استخدام عوامل متعددة مستمدة من عمليات البحث في المكتبات لتعزيز الثقة في تحديد المركبات من الأطياف الكتلية الناتجة عن التأين الإلكتروني. تشمل العوامل الرئيسية مؤشر وجود المركب، والاحتمالات المبلغ عنها التي تشير إلى تفرد الطيف، ومزيج من درجة الهوية العكسية مع درجة الهوية للتخفيف من آثار التلوث. يذكر المؤلفون زيادات كبيرة في الأطياف المحددة عند تطبيق هذه التصحيحات، مع تحسينات صافية تؤدي إلى عامل 2.2 في ثقة التحديد. بالإضافة إلى ذلك، تم اقتراح طريقة البحث عن التشابه الهجين لتحديد المركبات بشكل مؤقت التي تشبه ولكن لا تمثل في المكتبة. تكشف التحليلات أن الأطياف غير المحددة غالبًا ما تظهر قوة إشارة أقل ووفرة متوسطة أعلى، مما يشير إلى أن هذه الخصائص قد توجه المحللين في اختيار الأطياف لمزيد من جهود التحديد بخلاف عمليات البحث التقليدية في المكتبات.
مقدمة
تستعرض المقدمة أهمية مطيافية الكتلة بتأين الإلكترون كروماتوغرافيا الغاز (GC-EI-MS) في تحليل العينات العضوية المعقدة. تتيح هذه التقنية الفصل والتحديد والكمية للمركبات من خلال توليد أطياف أيونية مجزأة قابلة للتكرار، والتي تعمل كـ “بصمات” فريدة للتحديد. تتضمن عملية التحديد عادةً مطابقة هذه الأطياف مع المكتبات المرجعية، باستخدام مؤشرات الاحتفاظ (RIs) للتأكيد. ومع ذلك، تظل عملية التحديد كثيفة العمالة وغالبًا غير موثوقة بسبب عوامل مثل الدقة الكروماتوغرافية وتلوث الطيف، خاصة في التحليلات غير المستهدفة.
تهدف الدراسة الحالية إلى تعزيز ثقة تحديد المركبات في الخلطات المعقدة من خلال استخدام طرق آلية جديدة تم تطويرها تستفيد من المعلومات غير الطيفية من مكتبة NIST 2023 EI. تستفيد هذه الأبحاث من بيانات برنامج NOAA FIREX، مع التركيز على المركبات المنبعثة خلال احتراق الوقود في الأراضي البرية. تشمل المقاييس الرئيسية لتحسين دقة التحديد تفرد الطيف، ووجود المركب، ورفض القمم الزائفة. كما تقدم الدراسة طريقة البحث عن التشابه الهجين لتقدير الكتل الجزيئية للمركبات غير الممثلة في المكتبة، وتحقق في العلاقة بين وفرة القمم المتوسطة وقابلية تحديد الأطياف، مما يكشف أن الوفرة الأقل تتوافق مع قابلية تحديد أعلى.
طرق
تستعرض قسم الطرق تصميم التجارب والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية خاضعة للرقابة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة آثارها على النتائج ذات الصلة.
تم تحليل البيانات باستخدام برامج إحصائية قياسية، مع تحديد مستويات الدلالة عند p < 0.05. استخدم الباحثون تحليل الانحدار لتحديد العلاقات بين المتغيرات المستقلة والتابعة، مما يضمن تفسيرات قوية للنتائج. بالإضافة إلى ذلك، شملت الدراسة مراجعة شاملة للأدبيات الموجودة لوضع النتائج في سياق أوسع من البحث. بشكل عام، كانت الصرامة المنهجية تهدف إلى تعزيز موثوقية وصلاحية الاستنتاجات المستخلصة من الدراسة.
نتائج
تناقش قسم النتائج المنهجية لتحديد المركبات في مطيافية الكتلة بتأين الإلكترون كروماتوغرافيا الغاز (GC-EI-MS) باستخدام مكتبة الأطياف الكتلية. تبدأ عملية التحديد بإنشاء قائمة “أقرب جار”، التي تصنف المركبات في المكتبة بناءً على تشابهها مع الطيف الاستفساري. يتم تصنيف المركبات التي تم تحديدها أولاً ولكن لم يتم تأكيدها من قبل المحللين على أنها “مركبات محددة مؤقتًا” من قبل وكالة حماية البيئة (EPA).
يلعب المحللون دورًا حاسمًا في تأكيد هذه التحديدات من خلال استخدام بيانات مؤشر الاحتفاظ، وفهم تركيب العينة، وجودة البيانات الطيفية. قد تتضمن عملية التحديد تطبيق حدود الدرجات والتفكير الذاتي للتحقق من النتائج. تهدف الأبحاث إلى تعزيز دقة وموثوقية تحديد المركبات في تحليلات GC-EI-MS.
مناقشة
تتوسع قسم المناقشة في ورقة البحث حول مجموعة بيانات الأطياف الكتلية FIREX، التي تشمل 4833 طيفًا من المركبات العضوية الجزيئية من حرائق الأراضي البرية في غرب الولايات المتحدة. تم توليد البيانات باستخدام كروماتوغرافيا الغاز ثنائية الأبعاد مقترنة بمطيافية الكتلة بتأين الإلكترون زمن الرحلة (GCxGC EI-MS)، مما يسمح بتحسين تحديد المركبات المتداخلة. من بين المركبات المحددة، تم تأكيد 148 طيفًا باستخدام معايير أصلية ومكتبة NIST14 EI-MS. استخدمت الدراسة طرقًا متنوعة لتحسين دقة التحديد، بما في ذلك تعديلات درجات مؤشر الاحتفاظ (RI) وإدخال مؤشرات الاحتفاظ بالذكاء الاصطناعي (AIRI) لتقدير قيم RI للمركبات التي تفتقر إلى بيانات تجريبية.
تناقش الورقة أيضًا التحديات التي تطرحها تلوث الطيف والاستراتيجيات المستخدمة للتخفيف من آثارها، مثل طريقة البحث عن الهوية العكسية، التي تتخلص من القمم الملوثة غير المتطابقة. بالإضافة إلى ذلك، تم اقتراح مؤشر وجود المركب (CUI) كمقياس لاحتمالية وجود مركب في عينة، بناءً على اقتباسه عبر مجموعات كيميائية متنوعة. تشير النتائج إلى أن دمج CUI وتصحيحات احتمالية التحديد يعزز بشكل كبير موثوقية تحديد المركبات، خاصة للأطياف ذات الدرجات المنخفضة. تم تسليط الضوء على طريقة البحث عن التشابه الهجين (HSS) كأداة قيمة لتحديد المركبات الغائبة عن المكتبة من خلال الاستفادة من تقديرات الكتلة الجزيئية ومطابقة قمم الفقد المحايد، على الرغم من أنها تتطلب تحققًا دقيقًا من الهياكل المقترحة من قبل المحللين. بشكل عام، تؤكد الدراسة على أهمية دمج استراتيجيات تحديد متعددة لتحسين الثقة في التحليلات الطيفية الكتلية.
DOI: https://doi.org/10.1021/jasms.4c00451
PMID: https://pubmed.ncbi.nlm.nih.gov/39806561
Publication Date: 2025-01-14
Author(s): Deborah McGlynn et al.
Primary Topic: Mass Spectrometry Techniques and Applications
Overview
This section discusses advancements in compound identification using gas chromatography mass spectrometry (GC-MS), addressing the challenges of subjective and time-consuming processes that often leave a significant portion of high-quality spectra unidentified. The authors introduce novel mass spectral library-based methods that leverage the uniqueness of mass spectra and the ubiquity of compounds in libraries, alongside techniques for noise reduction and automated retention index comparisons. The study utilized a dataset of 4,833 spectra from particulate organic compounds emitted during wildland fuel combustion, employing the NIST 2023 EI-MS Library for initial identifications. Despite these efforts, approximately 90% of the spectra remained unidentified, prompting the development of a new measure, median relative abundance, to assess the likelihood of identification.
The findings highlight the potential of multiple derived factors from library searches to enhance confidence in compound identification from electron ionization mass spectra. Key factors include the Compound Ubiquity Index, reported probabilities indicating spectrum uniqueness, and a combination of Reverse Identity Score with Identity Score to mitigate contamination effects. The authors report significant increases in identified spectra when applying these corrections, with net enhancements leading to a factor of 2.2 in identification confidence. Additionally, the Hybrid Similarity Search method is proposed for tentatively identifying compounds that are similar but not represented in the library. The analysis reveals that unidentified spectra often exhibit lower signal strength and higher median abundances, suggesting that these characteristics may guide analysts in selecting spectra for further identification efforts beyond conventional library searches.
Introduction
The introduction outlines the significance of gas chromatography electron ionization mass spectrometry (GC-EI-MS) in analyzing complex organic samples. This technique enables the separation, identification, and quantification of compounds through the generation of reproducible fragment ion spectra, which serve as unique “fingerprints” for identification. The identification process typically involves matching these spectra against reference libraries, utilizing retention indices (RIs) for confirmation. However, the identification process remains labor-intensive and often unreliable due to factors such as chromatographic resolution and spectral contamination, particularly in nontargeted analyses.
The present study aims to enhance the confidence of compound identification in complex mixtures by employing newly developed automated methods that utilize nonspectral information from the NIST 2023 EI library. This research leverages data from the NOAA FIREX program, focusing on compounds emitted during wildland fuel combustion. Key metrics for improving identification accuracy include spectrum uniqueness, compound ubiquity, and spurious peak rejection. The study also introduces a Hybrid Similarity Search to estimate molecular masses of compounds not represented in the library, and it investigates the correlation between median peak abundances and the identifiability of spectra, revealing that lower abundances correlate with higher identifiability.
Methods
The Methods section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data were analyzed using standard statistical software, with significance levels set at p < 0.05. The researchers employed regression analysis to identify relationships between the independent and dependent variables, ensuring robust interpretations of the results. Additionally, the study included a comprehensive review of existing literature to contextualize the findings within the broader field of research. Overall, the methodological rigor aimed to enhance the reliability and validity of the conclusions drawn from the study.
Results
The results section discusses the methodology for identifying compounds in gas chromatography-electron ionization mass spectrometry (GC-EI-MS) using a mass spectral library. The identification process begins with the creation of a “nearest neighbor” hit list, which ranks library compounds based on their similarity to the query spectrum. Compounds that are initially identified but not confirmed by analysts are classified as ‘Tentatively Identified Compounds’ by the Environmental Protection Agency (EPA).
Analysts play a crucial role in confirming these identifications by utilizing retention index data, an understanding of the sample’s composition, and the quality of the spectral data. The identification process may involve the application of score cutoffs and subjective reasoning to validate the findings. The research aims to enhance the accuracy and reliability of compound identification in GC-EI-MS analyses.
Discussion
The discussion section of the research paper elaborates on the FIREX mass spectral data set, which encompasses 4833 mass spectra of particulate organic compounds from western US wildland fires. The data was generated using two-dimensional gas chromatography coupled with electron ionization time-of-flight mass spectrometry (GCxGC EI-MS), allowing for enhanced identification of coeluting compounds. Among the identified compounds, 148 spectra were confirmed using authentic standards and the NIST14 EI-MS library. The study employed various methods to improve identification accuracy, including retention index (RI) scoring adjustments and the introduction of Artificial Intelligence Retention Indices (AIRI) to estimate RI values for compounds lacking experimental data.
The paper also discusses the challenges posed by spectrum contamination and the strategies employed to mitigate its effects, such as the Reverse Identity Search method, which discards non-matching contaminant peaks. Additionally, the Compound Ubiquity Index (CUI) was proposed as a measure of the likelihood that a compound is present in a sample, based on its citation across diverse chemical collections. The findings indicate that incorporating CUI and identification probability corrections significantly enhances the reliability of compound identifications, particularly for lower-scoring spectra. The Hybrid Similarity Search (HSS) method was highlighted as a valuable tool for identifying compounds absent from the library by leveraging molecular mass estimates and neutral loss peak matching, although it requires careful validation of proposed structures by analysts. Overall, the study underscores the importance of combining multiple identification strategies to improve confidence in mass spectral analyses.