I prodotti naturali sono spesso biosintetizzati come miscele di composti strutturalmente simili, piuttosto che un singolo composto. A causa delle loro caratteristiche strutturali comuni, molti composti all'interno della stessa classe subiscono una simile frammentazione MS/MS e hanno diversi ioni di prodotto identici e/o perdite neutre. Lo scopo del filtraggio della frammentazione diagnostica (DFF) è quello di rilevare in modo efficiente tutti i composti di una determinata classe in un estratto complesso, vagliando DataSet LC-MS/MS non mirati per gli spettri MS/MS che contengono ioni di prodotti specifici per classe e/o perdite neutre. Questo metodo è basato su un modulo DFF implementato all'interno della piattaforma MZmine open-source che richiede estratti campione essere analizzati da acquisizione dipendente dai dati su uno spettrometro di massa ad alta risoluzione come quadrupolo Orbitrap o quadrupolo di massa di tempo di volo Analizzatori. La limitazione principale di questo approccio è l'analista deve prima definire quali ioni di prodotto e/o le perdite neutre sono specifici per la classe mirata di prodotti naturali. DFF consente la successiva scoperta di tutti i prodotti naturali correlati all'interno di un campione complesso, compresi i nuovi composti. In questo lavoro, dimostreremo l'efficacia del DFF mediante screening degli estratti di Microcystis aeruginosa, una prominente fioritura algale nociva che causa cianobatteri, per la produzione di microcistine.