Empreintes digitales chromatographiques par correspondance de modèle pour les données collectées par chromatographie en phase gazeuse bidimensionnelle complète

L’empreinte chromatographique par correspondance de modèle est importante car elle permet d’extraire automatiquement des informations chimiques riches non ciblées et ciblées par GC fois chromatogrammes GC sur plusieurs échantillons avec un alignement croisé cohérent. Les principaux avantages de cette technique sont sa couverture complète des analytes non ciblés et ciblés, et sa correspondance cohérente des caractéristiques chromatographiques sur plusieurs chromatogrammes et échantillons par alignement croisé. La technique a de nombreuses applications.

Nous l’appliquons ici à la foodomique et plus particulièrement à la caractérisation de l’information chimique cryptée dans la fraction volatile des huiles d’olive extra vierge. Cette technique est fondamentale pour la recherche utilisant l’apprentissage automatique, afin de découvrir des relations complexes entre la chimie des échantillons et les facteurs externes. Par exemple dans l’alimentation, en utilisant la qualité sensorielle et les méthodes de production.

Je dirais que la chromatographie est essentielle. Si les séparations sont médiocres, la puissance de la technique est limitée, mais si les chromatogrammes sont bons, la méthode est assez réussie GC par GC visualise les relations de rétention de structure dans les images. L’œil humain est bien adapté pour percevoir des motifs bidimensionnels, et ainsi voir la méthode démontre sa puissance d’une manière très directe.

Pour créer un tableau raster bidimensionnel pour la visualisation et le traitement, lancez le logiciel d’image, puis sélectionnez Fichier et importation pour ouvrir les fichiers de données brutes qui vous intéressent. Dans la boîte de dialogue d’importation, définissez la période de modulation sur 3,5 secondes, cliquez sur OK, puis sélectionnez Fichier et Enregistrer l’image sous. Accédez au dossier souhaité, entrez le nom du fichier, puis cliquez sur Enregistrer.

Pour décaler la phase de modulation, sélectionnez Traitement et phase de décalage et réglez la quantité de décalage sur moins 0,8 seconde. Pour la correction de la ligne de base, sélectionnez le graphique et dessinez un rectangle, puis cliquez et faites glisser pour dessiner un rectangle dans l’image dans lequel aucun pic n’est détecté. Sélectionnez des outils, visualisez les données et notez la moyenne et l’écart type du signal du détecteur.

Fermez ensuite l’outil et sélectionnez Traitement et correction de la référence. Pour colorer les images chromatographiques à l’aide de valeurs et de palettes de couleurs, sélectionnez afficher et coloriser. Ouvrez l’onglet d’importation et d’exportation et sélectionnez le nombre de cartes de couleurs personnalisées AAAA, puis cliquez sur importer.

Ensuite, dans les commandes de mappage de valeurs, définissez la plage de valeurs sur les valeurs minimale et maximale et cliquez sur OK. Pour la détection d’anolytes de pic 2D, sélectionnez Traitement et détection des gouttes. Certains pics seront divisés et certaines détections parasites seront observées.

Sélectionnez configurer, paramètres et détection d’objets blob. Réglez le lissage à 0,1 pour les échantillons 1D et à deux pour les modulations 2D, et réglez le minimum à un fois 10 à la sixte. Cliquez ensuite sur OK, sélectionnez Traitement, détectez les objets blob et observez les améliorations.

Pour supprimer les détections insignifiantes, sélectionnez d’abord Traitement et détection d’objets blob interactifs. Notez les paramètres de détection des blobs, puis cliquez sur Détecter. Dans l’éditeur de filtres avancé, cliquez sur Ajouter.

Dans la fenêtre de la nouvelle contrainte, sélectionnez Rétention 2, puis cliquez sur OK. Ensuite, dans une contrainte, les curseurs définissent les temps de rétention 2D minimum et maximum pour le filtre afin de réduire le nombre de faux pics sans perdre les vrais pics, puis cliquez sur appliquer et oui. Pour rechercher les spectres de crête et une bibliothèque NIST MS qui vous intéresse, sélectionnez configure, settings et search library, puis définissez le type de spectre sur peak MS, le seuil d’intensité sur 100, le type de recherche NIST sur similarité simple, le type de colonne d’indices de rétention NIST sur polaire standard et la tolérance des indices de rétention NIST sur 10.

Cliquez ensuite sur OK et sélectionnez Traitement et bibliothèque de recherche pour tous les objets blob. Pour créer un modèle avec des pics ciblés dans la vue de l’image, cliquez sur le premier pic et cliquez sur des pics supplémentaires pour sélectionner les pics qui vous intéressent. Cliquez sur Ajouter au modèle, puis sélectionnez Fichier et enregistrer le modèle.

Spécifiez ensuite le nom du dossier et du fichier, puis cliquez sur Enregistrer. Pour faire correspondre et appliquer le modèle, sélectionnez fichier et ouvrez l’image, puis accédez au fichier de chromatogramme qui vous intéresse et ouvrez-le. Définissez le mode du curseur sur modèle et sélectionnez des objets, puis sélectionnez modèle et chargez le modèle.

Dans la fenêtre du modèle de chargement, cliquez sur Parcourir et ouvrez le modèle de pics ciblés. Cliquez ensuite sur charger et ignorer. Dans la vue de l’image, cliquez avec le bouton droit de la souris sur un pic de modèle pour inspecter ses propriétés d’objet, y compris le qualificatif d’expression logique chimique, ou qCLIC, et la MS de référence. Sélectionnez le modèle et le modèle interactif de correspondance et de transformation.

Dans la fenêtre du modèle de correspondance, cliquez sur Correspondre à tout et examinez les résultats de correspondance dans le tableau et dans l’image. Chaque pic de modèle sera marqué d’un cercle non rempli. Si une correspondance est établie, il y aura un lien vers un cercle rempli pour le pic détecté.

Modifiez ensuite les correspondances si nécessaire et cliquez sur Appliquer pour transférer les métadonnées du modèle vers le chromatogramme. Si les conditions chromatographiques varient considérablement, ce qui entraîne un désalignement du modèle avec un nouveau chromatogramme, chargez le modèle ciblé2. BT et sélectionnez Modèle et Modèle de correspondance interactif, puis cliquez sur Modifier la transformation.

Dans l’interface du modèle transformé, modifiez les échelles 1D et 2D, les translations et les cisaillements pour mieux aligner le modèle avec les pics détectés, puis cliquez sur Transformer le modèle. Une fois le modèle transformé, cliquez sur Modifier la correspondance et faites correspondre les pics du modèle comme illustré. Pour établir des correspondances entre les analytes non ciblés et les analytes ciblés, sélectionnez fichier, ouvrez l’analyse et ouvrez le fichier comme indiqué.

Ouvrez l’onglet Composés pour consulter les valeurs de mesure et les statistiques d’analytes spécifiques ou d’analytes non ciblés avec des identificateurs alignés sur tous les chromatogrammes. Ouvrez l’onglet Attributs pour examiner les valeurs et les statistiques de métriques spécifiques dans les chromatogrammes et ouvrez cet onglet de résumé statistique pour examiner les statistiques récapitulatives pour les composés et les caractéristiques. Si les chromatogrammes proviennent de classes différentes, l’onglet Résumé répertorie les statistiques du coefficient de Fisher qui donnent un aperçu des caractéristiques permettant de distinguer les classes.

Dans ces graphiques, les modèles de rétention relatifs pour les séries et les classes homologues sont montrés. Avec des annotations pour les hydrocarbures saturés linéaires, les hydrocarbures insaturés, les aldéhydes saturés linéaires, les aldéhydes monoinsaturés, les aldéhydes polyinsaturés, les alcools primaires et les acides gras à chaîne courte. Les pics 2D détectés peuvent être identifiés en comparant le spectre MS moyen extrait de l’ensemble du pic 2D ou du spectre le plus grand.

La collection de pics 2D identifiés peut être adoptée pour construire un modèle de pics ciblés afin d’établir correctement des correspondances fiables entre le même composé sur tous les chromatogrammes de l’échantillon. Dans cette analyse, on peut observer un désalignement partiel entre la matrice ciblée et le chromatogramme réel. Pour minimiser les désalignements, les transformations interactives du modèle peuvent repositionner les pics du modèle pour un meilleur ajustement.

Le modèle de caractéristiques non ciblées est composé de pics 2D d’analytes détectés dans le chromatogramme composite qui sont appariés par le modèle de pics fiables. Les spectres de masse des pics composites, ainsi que leurs temps de rétention, sont ensuite enregistrés dans le modèle de caractéristiques. Lorsque la reconnaissance non supervisée des formes par l’analyse en composantes principales est appliquée à la distribution ciblée des pics dans les 20 échantillons analysés, les huiles siciliennes et toscanes se regroupent séparément, ce qui suggère que les conditions pédoclimatiques et le terroir ont un impact sur la prévalence relative des substances volatiles.

Lors de la première apprentissage de la procédure, il est important de vérifier les résultats à chaque étape. Si vous avez des questions, les gens de GC Image sont très réactifs et serviables. Nous utilisons actuellement cette technique pour analyser d’autres produits alimentaires, tels que les noisettes, le cacao et les thés, mais aussi des biofluides, tels que la salive, l’urine et les matières fécales pour des applications métabolomiques de nutriments.