包括的な二次元ガスクロマトグラフィーで収集したデータのテンプレートマッチングによるクロマトグラフィーフィンガープリント

テンプレートマッチングによるクロマトグラフィーフィンガープリントは、GC×GCクロマトグラムを複数のサンプルにわたって一貫したクロスアライメントで、豊富なノンターゲット化学情報とターゲット化学情報を自動的に抽出できるため、重要です。この手法の主な利点は、ノンターゲット分析種とターゲット分析種を包括的にカバーしていることと、クロスアライメントによって複数のクロマトグラムとサンプル間でクロマトグラフィーの特徴を一貫してマッチングできることです。この手法には幅広い用途があります。

ここでは、それをフードミクスに適用し、特にエクストラバージンオリーブオイルの揮発性画分で暗号化された化学情報を特徴付けます。この手法は、機械学習を使用してサンプルの化学的性質と外部要因との間の複雑な関係を発見する研究の基礎となります。例えば、食品では、感覚的な品質と製造方法を使用します。

私はそれをクロマトグラフィーが不可欠と呼んでいます。分離が不十分な場合、この手法の威力は限られますが、クロマトグラムが良好な場合、この手法はかなり成功しており、GCごとに画像内の構造保持関係を視覚化します。人間の目は2次元のパターンを知覚するのによく適応しているため、この方法を見ることは非常に直接的な方法でその力を発揮します。

視覚化と処理のために 2 次元ラスター配列を作成するには、画像ソフトウェアを起動し、ファイルを選択してインポートし、目的の生データ ファイルを開きます。インポートダイアログでモジュレーション周期を3.5秒に設定し、[OK]をクリックして[ファイル]を選択し、名前を付けて画像を保存します。目的のフォルダに移動し、ファイル名を入力して、[保存]をクリックします。

モジュレーションフェーズをシフトするには、processingとshift phaseを選択し、シフト量をマイナス0.8秒に設定します。ベースライン補正を行うには、グラフィックを選択して長方形を描画し、クリックしてドラッグし、ピークが検出されない画像に長方形を描画します。ツールを選択してデータを視覚化し、検出器信号の平均と標準偏差をメモします。

次に、ツールを閉じて、[処理] と [ベースラインの修正] を選択します。値マップとカラーマップを使用してクロマトグラフィーイメージに色を付けるには、[表示]と[色付け]を選択します。インポートエクスポートタブを開き、番号AAAAカスタムカラーマップを選択して、インポートをクリックします。

次に、値マッピング コントロールで、値の範囲を最小値と最大値に設定し、[OK] をクリックします。2Dピーク陽極粒子検出の場合は、プロセッシングを選択し、ブロブを検出します。一部のピークは分割され、一部のスプリアス検出が観察されます。

[構成]、[設定]、[BLOB 検出] を選択します。スムージングを 1D サンプルの場合は 0.1、2D モジュレーションの場合は 2 に設定し、最小値を 1 × 10 から 6 に設定します。次に、[OK] をクリックし、[処理] を選択し、BLOB を検出して改善点を確認します。

無意味な検出を削除するには、まず [処理] と [対話型 BLOB 検出] を選択します。BLOB 検出の設定をメモし、[検出] をクリックします。高度なフィルタ ビルダーで、[追加] をクリックします。

新しい制約ウィンドウで、[保持 2] を選択し、[OK] をクリックします。次に、制約でスライダーでフィルターの最小および最大2D保持時間を設定して、真のピークを失うことなく偽のピークの数を減らし、[適用]をクリックして[はい]をクリックします。ピークスペクトルと対象の NIST MS ライブラリを検索するには、[設定]、[設定]、および[ライブラリの検索]を選択し、スペクトルのタイプをピーク MS、強度しきい値を 100、NIST 検索タイプを単純類似性、NIST 保持インデックスのカラムタイプを標準極性、NIST 保持インデックスの許容値を 10 に設定します。

次に、[OK]をクリックし、すべてのブロブの処理ライブラリと検索ライブラリを選択します。画像ビューでターゲットを絞ったピークを含むテンプレートを作成するには、最初のピークをクリックし、追加のピークをコントロールクリックして目的のピークを選択します。[テンプレートに追加] をクリックし、ファイルを選択してテンプレートを保存します。

次に、フォルダとファイル名を指定し、[保存]をクリックします。テンプレートを一致させて適用するには、ファイルを選択して画像を開き、目的のクロマトグラムファイルに移動して開きます。カーソル モードを template と select objects に設定し、template と load template を選択します。

ロードテンプレートウィンドウで、参照をクリックし、ターゲットピークテンプレートを開きます。次に、[読み込み] をクリックして閉じます。画像ビューで、テンプレートのピークを右クリックして、修飾子の化学論理式(qCLIC)や参照MSなどのオブジェクトプロパティを調べます。テンプレートとインタラクティブ一致および変換テンプレートを選択します。

一致テンプレート ウィンドウで、[すべて一致] をクリックし、テーブルと画像内の一致結果を確認します。各テンプレートのピークは、塗りつぶされていない円でマークされます。一致した場合、検出されたピークの塗りつぶされた円へのリンクがあります。

次に、必要に応じて一致を編集し、[適用]をクリックして、テンプレートからクロマトグラムにメタデータを転送します。クロマトグラフィー条件が大きく異なり、テンプレートが新しいクロマトグラムとずれている場合は、ターゲットテンプレート2をロードします。bt ファイルに移動し、[テンプレート] と [Interactive Match テンプレート] を選択し、[変換の編集] をクリックします。

トランスフォームされたテンプレートインターフェースでは、1Dと2Dのスケール、並進、シャーを変化させて、検出されたピークにテンプレートをより適切に位置合わせし、[トランスフォームテンプレート]をクリックします。テンプレートが変換されたら、[edit match] をクリックし、図のようにテンプレートのピークを一致させます。ノンターゲット分析種とターゲット分析種との対応関係を確立するには、[ファイル]を選択して分析を開き、示されているようにファイルを開きます。

[化合物]タブを開き、すべてのクロマトグラムで識別子が整列した特定の分析種または非標的分析種の指標値と統計を確認します。[Attributes]タブを開いて、クロマトグラム全体の特定のメトリクスの値と統計を確認し、この[Statistical Summary]タブを開いて、化合物と特徴の両方の要約統計を確認します。クロマトグラムが異なるクラスからのものである場合、サマリータブにはフィッシャー比統計がリストされ、クラスを区別するための特徴に関する洞察が得られます。

これらのグラフでは、相同系列とクラスの相対的な保持パターンが示されています。直鎖飽和炭化水素、不飽和炭化水素、直鎖飽和アルデヒド、一価不飽和アルデヒド、多価不飽和アルデヒド、第一級アルコール、短鎖脂肪酸のアノテーション付き。検出された2Dピークは、2Dピーク全体または最大スペクトルから抽出された平均MSスペクトルを比較することで特定できます。

同定された 2D ピークのコレクションを採用して、ターゲットピークのテンプレートを作成し、すべてのサンプルクロマトグラムで同じ化合物間の信頼性の高い対応関係を適切に確立できます。この分析では、ターゲットテンプレートと実際のクロマトグラムとの間に部分的なミスアライメントが観察されます。ミスアライメントを最小限に抑えるために、インタラクティブなテンプレート変換では、テンプレートのピークを再配置してフィットさせることができます。

ノンターゲット特徴量テンプレートは、複合クロマトグラムで検出された分析種からの 2D ピークで構成され、信頼性のあるピークテンプレートと一致します。その後、複合ピークの質量スペクトルとその保持時間がフィーチャーテンプレートに記録されます。分析した 20 個のサンプル内のターゲットピーク分布に主成分分析による教師なしパターン認識を適用すると、シチリア油とトスカーナ油は別々にクラスター化し、ペドクライマックス条件とテロワールが揮発性物質の相対的な有病率に影響を与えることが示唆されます。

最初に手順を学ぶときは、各ステップで結果を確認することが重要です。ご不明な点がございましたら、GC Imageの方々はとても対応が迅速で親切です。現在、この技術を使用して、ヘーゼルナッツ、ココア、お茶などの他の食品だけでなく、唾液、尿、糞便などの生体流体も分析して、栄養メタボロームアプリケーションに応用しています。