Сравнение характеристик масс-спектров при помощи методов статистического анализа для случая ионизации органических молекул электронным ударом с различной энергией электронов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Повышение чувствительности и точности идентификации летучих органических соединений в случае их исследования при помощи масс-спектрометрических газоанализаторов с ионизацией на основе электронного удара может быть осуществлено путем увеличения числа образующихся в ионном источнике ионов за счет варьирования энергии ионизирующих электронов. В работе представлено сравнение данных, полученных ионизацией электронным ударом при значениях энергии электронов (ЭЭ) в диапазоне 25–105 эВ для ряда органических веществ, принадлежащих различным классам органических соединений. Для интерпретации динамики изменения интенсивностей пиков ионов-фрагментов был проведен анализ с использованием матриц подобия, основанных на различных метриках сходства и было показано влияние ЭЭ на вероятность образования основных фрагментарных частиц исследуемых веществ и, соответственно, на сходство регистрируемого масс-спектра с эталонным масс-спектром из базы данных.

Полный текст

Доступ закрыт

Об авторах

С. В. Силкин

Московский физико-технический институт

Email: e.nikolaev@skoltech.ru
Россия, Долгопрудный

А. В. Сахаров

Московский физико-технический институт

Email: e.nikolaev@skoltech.ru
Россия, Долгопрудный

С. И. Пеков

Сколковский институт науки и технологий; Сибирский государственный медицинский университет

Email: e.nikolaev@skoltech.ru
Россия, Москва; Томск

В. А. Елиферов

Московский физико-технический институт

Email: e.nikolaev@skoltech.ru
Россия, Долгопрудный

В. Г. Ткаченко

Московский физико-технический институт

Email: e.nikolaev@skoltech.ru
Россия, Долгопрудный

Д. В. Колесник

Московский физико-технический институт

Email: e.nikolaev@skoltech.ru
Россия, Долгопрудный

Е. Н. Николаев

Сколковский институт науки и технологий

Автор, ответственный за переписку.
Email: e.nikolaev@skoltech.ru
Россия, Москва

И. А. Попов

Московский физико-технический институт; Сибирский государственный медицинский университет

Email: popov.ia@mipt.ru
Россия, Долгопрудный; Томск

Список литературы

  1. McLafferty F.W. A century of progress in molecular mass spectrometry //Annual review of analytical chemistry, 2011. V. 4. P. 1-22.
  2. Вульфсон Н.С., Заикин В.Г., Микая А.И. Масс-спектрометрия органических соединений // Н.С. Вульфсон и др. М.: Химия, 1986. 312 с.
  3. Field F. H., Franklin J. L. Electron impact phenomena: and the properties of gaseous ions //Academic Press, 2013. V. 1. 564 p.
  4. Yang Q., Ji H., Xu Z. et al. Ultra-fast and accurate electron ionization mass spectrum matching for compound identification with million-scale in-silico library // Nat Commun, 2023, V. 14. P. 372. https://doi.org/10.1038/s41467-023-39279-7
  5. Moorthy A.S., Kearsley A.J. (2021). Pattern Similarity Measures Applied to Mass Spectra. In: Cruz M., Parés C., Quintela P. (eds.) Progress in Industrial Mathematics: Success Stories. SEMA SIMAI Springer Series, V. 5. Springer, Cham., 2020. https://doi.org/10.1007/978-3-030-61844-5_4
  6. Zhvansky, E.S., Pekov, S.I., Sorokin, A.A. et al. Metrics for evaluating the stability and reproducibility of mass spectra // Sci Rep, 2019. V. 9, P. 914. https://doi.org/10.1038/s41598-018-37560-0
  7. Numpy and Scipy Documentation [Электронный ресурс] / Distance computations (scipy.spatial.distance). URL: https://docs.scipy.org/doc/scipy/reference/spatial.distance.html
  8. Learn Data Science [Электронный ресурс] / Cosine Similarity — LearnDataSci. URL:https://www.learndatasci.com/glossary/cosine-similarity/
  9. Jiawei Han, Micheline Kamber and Jian Pei, Data Mining: Concepts and Techniques (Third Edition), Elsevier, 2012. https://doi.org/10.1016/C2009-0-61819-5
  10. Debbie L. Hahs-Vaughn. Foundational methods: descriptive statistics: bivariate and multivariate data (correlations, associations), Editor(s): Robert J Tierney, Fazal Rizvi, Kadriye Ercikan, International Encyclopedia of Education (Fourth Edition), Elsevier, 2023. https://doi.org/10.1016/B978-0-12-818630-5.10084-3.
  11. M. Greenacre, Correspondence Analysis. Editor(s): Penelope Peterson, Eva Baker, Barry McGaw. International Encyclopedia of Education (Third Edition), Elsevier, 2010. https://doi.org/10.1016/B978-0-08-044894-7.01317-8
  12. NIST [Электронный ресурс] / Manhattan distance. URL: https://xlinux.nist.gov/dads/HTML/manhattanDistance.html
  13. Xin-She Yang. Data mining techniques, Editor(s): Xin-She Yang, Introduction to Algorithms for Data Mining and Machine Learning, Academic Press, 2019. https://doi.org/10.1016/B978-0-12-817216-2.00013-2
  14. Glineur A., Beccaria M., Purcaro G. Exploring 20 eV electron impact ionization in gas chromatography-tandem mass spectrometry for the determination of estrogenic compounds //Journal of Chromatography A. 2021. V. 1652. P. 462359.
  15. Metz T. O. et al. High-resolution separations and improved ion production and transmission in metabolomics // TrAC Trends in Analytical Chemistry. 2008. V. 27 (3). P. 205-214.
  16. Fialkov A. B. et al. Sensitivity and noise in GC–MS: Achieving low limits of detection for difficult analytes // International journal of mass spectrometry. 2007. V. 260 (1). P. 31-48.
  17. Клюев Н. А., Бродский Е. С. Современные методы масс-спектрометрического анализа органических соединений // Российский химический журнал. 2002. Т. 46. №. 4. С. 57-63.
  18. Honkanen O. еt al. Mass Spectra of Seven Isomeric Hexen-1-ols // Acta Chemica Scandinavica. 1963. V. 17. P. 2051-2054.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Масс-спектры изопропанола, полученные ионизацией электронным ударом. (а) при 70 эВ в сопоставлении со спектром из БД NIST; (б) при 25 эВ в сопоставлении со спектром, полученным при 70 эВ; (в) при 105 эВ в сопоставлении со спектром, полученным при 70 эВ.

Скачать (224KB)
Метаданные
3. Рис. 2. Масс-спектры ТГФ, полученные ионизацией электронным ударом (а) при 70 эВ в сопоставлении со спектром из БД NIST; (б) при 25 эВ в сопоставлении со спектром, полученным при 70 эВ; (в) при 45 эВ в сопоставлении со спектром, полученным при 70 эВ; (г) при 105 эВ в сопоставлении со спектром, полученным при 70 эВ.

Скачать (238KB)
Метаданные
4. Рис. 3. Масс-спектры этилацетата, полученные ионизацией электронным ударом (а) при 70 эВ в сопоставлении со спектром из БД NIST; (б) при 90 эВ в сопоставлении со спектром, полученным при 70 эВ.

Скачать (136KB)
Метаданные
5. Рис. 4. Кривые эффективности ионизации для основных фрагментарных ионов (а) н-гексана, (б) 2,2,4-триметилпентана.

Скачать (154KB)
Метаданные
6. Рис. 5. Кривые эффективности ионизации для основных фрагментарных ионов (а) этилформиата, (б) бутилацетата.

Скачать (145KB)
Метаданные
7. Рис. 6. Матрица

Скачать (647KB)
Метаданные
8. Рис. 7. Матрица косинусных мер

Скачать (502KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».