Artykuł metodologiczny

Chromatograficzne odciski palców poprzez dopasowanie szablonu do danych zebranych za pomocą kompleksowej dwuwymiarowej chromatografii gazowej

DOI:

10.3791/61529

⸱

2 września 2020

 ,  ,  ,  ,  , 
1Dipartimento di Scienza e Tecnologia del Farmaco, Università degli Studi di Torino, 2SRA Instruments, 3GC Image LLC, 4Computer Science and Engineering Department, University of Nebraska

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten protokół prezentuje podejście do odcisku palca i eksploracji wielowymiarowych danych zebranych przez wszechstronną dwuwymiarową chromatografię gazową sprzężoną ze spektrometrią mas. Dedykowane algorytmy rozpoznawania wzorców (dopasowywanie szablonów) są stosowane do badania informacji chemicznych zaszyfrowanych we frakcji lotnej oliwy z oliwek z pierwszego tłoczenia (tj. lotatylomie).

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Przetwarzanie i ocena danych są kluczowymi etapami kompleksowej dwuwymiarowej chromatografii gazowej (GCxGC), szczególnie w połączeniu ze spektrometrią mas. Bogate informacje zaszyfrowane w danych mogą być bardzo cenne, ale trudno jest uzyskać do nich efektywny dostęp. Gęstość i złożoność danych może prowadzić do długiego czasu opracowywania i wymagać pracochłonnych procedur zależnych od analityków. Skuteczne, a jednocześnie dostępne narzędzia do przetwarzania danych są zatem kluczem do umożliwienia rozpowszechnienia i akceptacji tej zaawansowanej wielowymiarowej techniki w laboratoriach do codziennego użytku. Protokół analizy danych przedstawiony w tej pracy wykorzystuje chromatograficzny odcisk palca i dopasowywanie szablonów, aby osiągnąć cel, jakim jest wysoce zautomatyzowana dekonstrukcja złożonych dwuwymiarowych chromatogramów na indywidualne cechy chemiczne w celu zaawansowanego rozpoznawania wzorców informacyjnych w poszczególnych chromatogramach i w zestawach chromatogramów. Protokół zapewnia wysoką spójność i niezawodność przy niewielkiej interwencji. Jednocześnie nadzór analityków jest możliwy w różnych ustawieniach i funkcjach ograniczeń, które można dostosować, aby zapewnić elastyczność i zdolność do dostosowywania się do różnych potrzeb i celów. Pokazano tutaj, że dopasowywanie szablonów jest potężnym podejściem do badania volatilome oliwy z oliwek z pierwszego tłoczenia. Wyrównanie krzyżowe pików jest przeprowadzane nie tylko dla znanych celów, ale także dla związków niedocelowych, co znacznie zwiększa moc charakteryzowania w szerokim zakresie zastosowań. Przedstawiono przykłady w celu udowodnienia wydajności klasyfikacji i porównania wzorców chromatograficznych z zestawów próbek analizowanych w podobnych warunkach.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kompleksowa dwuwymiarowa chromatografia gazowa w połączeniu z detekcją metodą spektrometrii mas czasu przelotu (GC×GC-TOF MS) jest obecnie najbardziej pouczającym podejściem analitycznym do chemicznej charakterystyki złożonych próbek1,2,3,4,5. W GC×GC kolumny są połączone szeregowo i połączone za pomocą modulatora (np. interfejsu ogniskowania opartego na termice lub zaworze), który wychwytuje składniki eluujące z kolumny pierwszego wymiaru (1D) przed ich ponownym wstrzyknięciem do kolumny drugiego wymiaru (2D). Ta operacja jest wykonywana w ustalonym okresie modulacji (PM), zwykle w zakresie od 0,5 do 8 s. Dzięki modulacji termicznej proces obejmuje kriopułapkowanie i skupianie pasma eluującego, co przynosi pewne korzyści dla ogólnej mocy separacji.

Chociaż GC×GC jest techniką dwuwymiarowej separacji, proces ten generuje sekwencyjne wartości danych. Przetwornik analogowo-cyfrowy (A/D) detektora uzyskuje sygnał chromatograficzny wyjściowy o określonej częstotliwości. Następnie dane są przechowywane w określonych zastrzeżonych formatach, które zawierają nie tylko zdigitalizowane dane, ale także powiązane metadane (informacje o danych). Przetwornik A/C stosowany w systemach GC×GC pomaga w odwzorowaniu natężenia sygnału chromatograficznego na liczbę cyfrową (DN) w funkcji czasu w dwóch wymiarach analitycznych. Detektory jednokanałowe (np. detektor płomieniowo-jonizacyjny (FID), detektor wychwytu elektronów (ECD), detektor chemiluminescencji siarki (SCD) itp.) generują pojedyncze wartości na czas próbkowania, podczas gdy detektory wielokanałowe (np. detektor spektrometryczny mas (MS)) wytwarzają wiele wartości (zwykle w zakresie spektralnym) na czas próbkowania w całym przebiegu analitycznym.

Aby zobrazować dane 2D, opracowanie rozpoczyna się od rasteryzacji pojedynczych wartości danych okresu (lub cyklu) modulacji jako kolumny pikseli (elementów obrazu odpowiadających zdarzeniom detektora). Wzdłuż rzędnej (oś Y, od dołu do góry) wizualizowany jest czas separacji 2D. Kolumny pikseli są przetwarzane sekwencyjnie, tak aby odcięte (oś X, od lewej do prawej) zgłaszały czas separacji 1D. Ta kolejność przedstawia dane 2Dw prawoskrętnym kartezjańskim układzie współrzędnych, z porządkowym przechowywania 1D jako pierwszym indeksem w tablicy.

Przetwarzanie danych z chromatogramów 2D daje dostęp do wyższego poziomu informacji niż dane surowe, umożliwiając wykrywanie pików 2D, identyfikację pików, ekstrakcję danych odpowiedzi do analizy ilościowej i analizę porównawczą.

Wzorce pików 2D mogą być traktowane jako unikalny odcisk palca próbki, a wykryte związki jako cechy drobiazgowe do efektywnej analizy porównawczej. To podejście, znane jako odcisk palca oparty na szablonie6,7, zostało zainspirowane biometrycznym odciskiem palca6. Automatyczne biometryczne systemy weryfikacji odcisków palców opierają się w rzeczywistości na unikalnych cechach opuszków palców: rozwidleniach i końcach grzbietów, zlokalizowanych i wyodrębnionych z odcisków atramentu lub szczegółowych obrazów. Te cechy, nazwane cechami minucji, są następnie dopasowywane krzyżowo do dostępnych przechowywanych szablonów8,9.

Jak wspomniano powyżej, każdy wzór separacji GC×GC składa się z 2pików D racjonalnie rozmieszczonych na dwuwymiarowej płaszczyźnie. Każdy pik odpowiada pojedynczemu analitowi, ma swój potencjał informacyjny i może być traktowany jako pojedyncza cecha do porównawczej analizy wzorców.

Tutaj prezentujemy skuteczne podejście do chemicznego odcisku palca metodą GC×GC-TOF MS z tandemową jonizacją. Celem jest kompleksowe i ilościowe skatalogowanie cech z zestawu chromatogramów.

W porównaniu z istniejącym oprogramowaniem komercyjnym lub wewnętrznymi procedurami10,11, które wykorzystują podejście oparte na cechach szczytowych, odcisk palca oparty na szablonach charakteryzuje się wysoką specyficznością, wydajnością i ograniczonym czasem obliczeniowym. Ponadto ma wewnętrzną elastyczność, która umożliwia wyrównanie krzyżowe cech minucji (tj. pików 2D) między poważnie niewspółosiowymi chromatogramami, takimi jak te uzyskane przez różne oprzyrządowanie lub w badaniach długoterminowych12,13,14.

Podstawowe operacje proponowanej metody są krótko opisane, aby przybliżyć czytelnikowi dobre zrozumienie złożoności wzorca 2Di mocy informacyjnej. Następnie, badając matrycę danych wyjściowych instrumentu, przeprowadzana jest identyfikacja chemiczna i znane docelowe anality są umieszczane w przestrzeni dwuwymiarowej. Matryca docelowych pików jest następnie budowana i stosowana do serii chromatogramów uzyskanych w tej samej partii analitycznej. Metadane związane z czasami retencji, sygnaturami spektralnymi i odpowiedziami (bezwzględnymi i względnymi) są wyodrębniane z ponownie wyrównanych wzorców docelowych pików i przyjmowane w celu ujawnienia różnic kompozycyjnych w zestawie próbek.

Jako dodatkowy, unikalny etap procesu, na wcześniej ukierunkowanych chromatogramach przeprowadza się również połączone nieukierunkowane i ukierunkowane (UT) pobieranie odcisków palców, aby rozszerzyć potencjał odcisków palców zarówno na znane, jak i nieznane anality. W wyniku tego procesu powstaje szablon UT do naprawdę kompleksowej analizy porównawczej, którą można w dużej mierze zautomatyzować.

Jako końcowy krok, metoda przeprowadza krzyżowe wyrównanie cech w dwóch równoległych sygnałach detektora wytwarzanych przy wysokich i niskich energiach jonizacji elektronów (70 i 12 eV).

Protokół jest dość elastyczny w obsłudze analiz pojedynczego chromatogramu lub zestawu chromatogramów oraz z chromatografią zmienną i/lub wieloma detektorami. W tym przypadku protokół jest demonstrowany za pomocą dostępnego na rynku pakietu oprogramowania GC×GC (patrz Spis materiałów) połączonego z biblioteką MS i oprogramowaniem do wyszukiwania (patrz Spis materiałów). Niektóre z niezbędnych narzędzi są dostępne w innych programach, a podobne narzędzia mogą być zaimplementowane niezależnie od opisów w literaturze autorstwa Reichenbacha i współpracowników15,16,17,18,19. Surowe dane do demonstracji pochodzą z badania naukowego nad oliwą z oliwek z pierwszego tłoczenia (EVO) przeprowadzonego w laboratorium autorów14. W szczególności frakcja lotna (tj. lotność) włoskich olejów EVO jest pobierana za pomocą mikroekstrakcji do fazy stałej w przestrzeni nadpowierzchniowej (HS-SPME) i analizowana za pomocą GC×GC-TOF MS w celu uchwycenia diagnostycznych odcisków palców w celu uzyskania kwalifikacji jakościowej i sensorycznej próbek. Szczegółowe informacje na temat próbek, warunków pobierania próbek i konfiguracji analitycznej znajdują się w tabeli materiałów.

Kroki 1–6 opisują wstępne przetwarzanie chromatogramów. Kroki 7–9 opisują przetwarzanie i analizę poszczególnych chromatogramów. Kroki 10–12 opisują tworzenie i dopasowywanie szablonów, które są podstawą analizy krzyżowej. Kroki 13–16 opisują zastosowanie protokołu do zestawu chromatogramów, z krokami 14–16 dla analizy UT.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Importowanie surowych danych

UWAGA: To tworzy dwuwymiarową tablicę rastrową do wizualizacji i przetwarzania.

  1. Uruchom oprogramowanie obrazu.
  2. Wybierz punkt menu Plik | Przywóz; nawigować i wybierać plik danych surowych pozyskanych przez system GC×GC-TOF MS o nazwie "VIOLIN 101.lsc" (Plik uzupełniający 1); następnie kliknij przycisk Otwórz. Chromatogram otwiera się w tym oprogramowaniu.
    UWAGA: Format pliku danych surowych zależy od producenta urządzenia. Oprogramowanie importuje różne formaty plików wymienione w podręczniku użytkownika.
  3. W oknie dialogowym Import ustaw Okres modulacji (PM) na 3,5 s, a następnie kliknij OK.
    UWAGA: Niektóre programy do akwizycji mogą nie rejestrować okresu modulacji.
  4. Wybierz punkt menu Plik | Zapisz obraz jako; przejdź do żądanego folderu; wpisać nazwę "Olej 1 RAW.gci" (plik uzupełniający 2); następnie kliknij Zapisz.

2. Przesunięcie fazy modulacji

UWAGA: To umieszcza wszystkie piki w każdym cyklu modulacji w tej samej kolumnie obrazu, łącznie z pikami, które zawijają się pod koniec okresu modulacji, w czas pustki następnego okresu modulacji20.

  1. Wybierz punkt menu Przetwarzanie | Faza zmiany.
  2. W oknie dialogowym Shift Phase (Faza przesunięcia) ustaw wartość Shift Amount (Wartość przesunięcia) na -0,8 s, a następnie kliknij przycisk OK.

3. Korekta linii bazowej21

  1. Wybierz punkt menu Grafika | Narysuj prostokąt.
  2. Kliknij i przeciągnij, aby narysować prostokąt na obrazie, w którym nie są wykrywane szczyty.
  3. Wybierz punkt menu Narzędzia | Wizualizacja danych; zwrócić uwagę na średnią i odchylenie standardowe sygnału detektora, tutaj 21,850 ± 1,455 SD bezjednostkowo bezjednostkowo (DN); Następnie zamknij narzędzie.
  4. Wybierz punkt menu Przetwarzanie | Prawidłowa linia bazowa.

4. Kolorowanie obrazu chromatograficznego za pomocą mapy wartości i mapy kolorów20

  1. Wybierz punkt menu Widok | Pokolorować.
  2. W oknie dialogowym Kolorowanie wybierz kartę Importuj/Eksportuj, wybierz niestandardową mapę kolorów #AAAA (Plik uzupełniający 3) dostarczoną jako materiał dodatkowy, a następnie kliknij przycisk Importuj.
  3. W kontrolkach Mapowanie wartości ustaw zakres wartości na wartości minimalne i maksymalne, a następnie kliknij przycisk OK.

5. Wykrywaniepików 2 D (tj. plam) dla analitów18

  1. Wybierz punkt menu Przetwarzanie | Wykrywanie obiektów blob z ustawieniami domyślnymi; Następnie obserwuj, że niektóre piki są podzielone i występują fałszywe detekcje.
  2. Wybierz pozycję Konfiguruj | Ustawienia | Wykrywanie obiektów blob; następnie ustaw Smoothing na 0.1 dla pierwszego wymiaru i 2.0 dla drugiego wymiaru oraz ustaw Minimum Volume (tj. próg dla zsumowanych wartości) na 1.00 E6; następnie kliknij przycisk OK.
  3. Wybierz punkt menu Przetwarzanie | Wykrywanie obiektów blob przy użyciu nowych ustawień; Następnie obserwuj ulepszenia.

6. Filtracja szczytów 2D

UWAGA: To jest robione w celu automatycznego usuwania bezsensownych wykryć spowodowanych spadami kolumn wzdłuż 1D i uderzeniami lub odpadkami wzdłuż 2D.

  1. Wybierz punkt menu Przetwarzanie | Interaktywne wykrywanie obiektów blob.
  2. Zanotuj ustawienia wykrywania obiektów blob, a następnie kliknij przycisk Wykryj.
  3. W konstruktorze filtrów zaawansowanych kliknij przycisk Dodaj, a następnie w oknie dialogowym Nowe ograniczenie wybierz opcję Przechowywanie II, a następnie kliknij przycisk OK.
  4. Na suwakach Ograniczenia ustaw minimalny i maksymalny czas przechowywania 2Ddla filtru, aby zmniejszyć liczbę fałszywych szczytów bez utraty prawdziwych szczytów.
  5. Kliknij przycisk Zastosuj, a następnie kliknij przycisk Tak, aby zapisać ustawienia wykrywania z nowym filtrem.
    UWAGA: Do radzenia sobie z konkretnymi problemami z wykrywaniem mogą być wymagane bardziej zaawansowane narzędzia, takie jak wykrywanie pików jonowych lub dekonwolucja dla koelucji19.

7. Kalibracja wskaźników retencji liniowej

UWAGA: Wykonaj ten krok22 (IT) dla konkretnych czasów retencji w zestawie standardów wskaźnika retencji (RI) (zazwyczaj n-alkanów).

  1. Wybierz pozycję Konfiguruj | Tabela RI | Wskaźnik retencji (Col I).
  2. W oknie dialogowym Konfiguracja tabeli wystąpień zarezerwowanych kliknij przycisk Importuj, a następnie wybierz plik kalibracji wystąpień zarezerwowanych (w formacie CSV z nazwą, czasem przechowywania i indeksem przechowywania) o nazwie "LRI table.csv" – (Plik uzupełniający 4).
  3. Wybierz punkt menu Plik | Zapisz obraz A. Przejdź do żądanego folderu; wprowadzić nazwę "Oil 1 LRI CALIBRATED.gci" (plik uzupełniający 5); następnie kliknij Zapisz.

8. Wyszukiwanie widm pików w bibliotece MS NIST1723

  1. Wybierz pozycję Konfiguruj | Ustawienia | Przeszukaj bibliotekę.
  2. W oknie dialogowym Biblioteka wyszukiwania ustaw Typ widma na Szczyt MS, Próg intensywności na 100, Typ wyszukiwania NIST na Prosty (podobieństwo), Typ kolumny NIST RI na Standardowy biegun i Tolerancja NIST RI na 10, a następnie kliknij przycisk OK. NIST MS Search oferuje wiele innych ustawień, które są tutaj ustawione na wartości domyślne.
  3. Wybierz punkt menu Przetwarzanie | Wyszukaj w bibliotece wszystkie obiekty blob.

9. Przegląd i poprawność identyfikacji analitów

  1. Na palecie narzędzi ustaw tryb kursora na Blob | Wybierz pozycję Obiekty blob.
  2. W widoku Obraz kliknij prawym przyciskiem myszy żądany szczyt.
  3. W oknie dialogowym Właściwości obiektu blob sprawdź właściwości obiektu blob, a następnie kliknij pozycję Lista trafień.
  4. Sprawdź listę trafień, a następnie, jeśli identyfikacja jest nieprawidłowa, zaznacz znacznik wyboru obok prawidłowej identyfikacji.
  5. W oknie dialogowym Właściwości obiektu blob wprowadź nazwę grupy, aby wyznaczyć klasę chemiczną i inne żądane metadane, a następnie kliknij przycisk OK.
  6. Wybierz punkt menu Plik | Zapisz obraz jako; przejdź do żądanego folderu; wprowadź nazwę "Olej 1 KOLOROWANY dla Template construction.gci" (Plik uzupełniający 6); następnie kliknij Zapisz.
    UWAGA: Ten plik znajduje się w archiwum uzupełniającym, które można otworzyć dla kroku 10.

10. Utwórz szablon z docelowymi szczytami15

  1. W widoku obrazu (nadal w trybie Wybierz obiekty blob z kroku 9.1) wybierz żądane szczyty, klikając pierwszy szczyt i naciskając CTRL + kliknij dodatkowe szczyty.
  2. Na palecie narzędzi kliknij przycisk Dodaj do szablonu.
  3. Po zakończeniu tworzenia szablonu wybierz pozycję Plik | Zapisz szablon; określ nazwę folderu i pliku; następnie kliknij Zapisz.
  4. Wybierz punkt menu Plik | Zamknij Image.
    UWAGA: W tym momencie instrukcje te stanowią kontynuację szablonu utworzonego w celu uwzględnienia żądanych docelowych szczytów, dostępnego jako "Docelowe tamplate.bt" (Plik uzupełniający 7).

11. Dopasuj i zastosuj szablon

UWAGA: Dopasowanie rozpoznaje wzór szablonu w wykrytych pikach nowego chromatogramu. Zastosowanie pasujących zestawów, identyfikatorów i innych metadanych w nowym chromatogramie z szablonu.

  1. Wybierz punkt menu Plik | Otwórz obraz; przejść do pliku chromatogramu "Oil 2 COLORIZED.gci" (Plik uzupełniający 8) (który jest wstępnie przetworzony) i wybrać go; następnie kliknij przycisk Otwórz.
  2. Na palecie narzędzi ustaw tryb kursora na Szablon | Wybierz opcję Obiekty.
  3. Wybierz szablon | Załaduj szablon.
  4. W oknie dialogowym Załaduj szablon kliknij przycisk Przeglądaj, przejdź do szablonu docelowych szczytów "Docelowe template.bt" (plik uzupełniający 7) i wybierz go, a następnie kliknij przycisk Otwórz.
  5. W oknie dialogowym Załaduj szablon kliknij przycisk Załaduj, a następnie odrzuć.
  6. W widoku Obraz kliknij prawym przyciskiem myszy pik szablonu, a następnie sprawdź jego właściwości obiektu, w tym qCLIC i odniesienie MS.
  7. Wybierz szablon | Interaktywny szablon dopasowania i transformacji.
  8. W interfejsie Interactive Match kliknij przycisk Dopasuj wszystko, a następnie przejrzyj pasujące wyniki zarówno w tabeli, jak i na obrazie, w którym każdy szczyt szablonu jest oznaczony niewypełnionymi okręgami, a jeśli zostanie wykonane dopasowanie, istnieje link do wypełnionego okręgu dla wykrytego szczytu.
  9. Edytuj dopasowania zgodnie z potrzebami; gdy są spełnione, kliknij Zastosuj, aby przenieść metadane z szablonu do chromatogramu.
    UWAGA: Ograniczenia dopasowania, takie jak qCLIC, pomagają dopasować prawidłowy wzór wśród wykrytych pików nowego chromatogramu. Parametry ograniczenia obejmują typ podpisu MS używanego jako odniesienie do szablonu (szczyt MS lub MS obiektu blob) oraz wartości progowe podobieństwa spektralnego (Direct Match Factor (DMF) i Reverse Match Factor (RMF)). Tutaj parametry są ustawiane na podstawie poprzednich badań13,14, aby ograniczyć fałszywie ujemne dopasowania: szczyt MS i DMF oraz próg podobieństwa RMF 700.

12. Przekształć szablon dla zasadniczo odmiennej chromatografii

UWAGA: Ten krok nie jest konieczny, chyba że warunki chromatograficzne znacznie się zmieniają, powodując niedopasowanie matrycy do nowego chromatogramu, co może mieć miejsce w przypadku badań długoterminowych lub po zainstalowaniu nowej kolumny. W takich przypadkach szablon może zostać geometrycznie przekształcony w chromatograficznej płaszczyźnie czasów retencji, aby lepiej pasował do nowego chromatogramu12,13. W tym przykładzie wzorce pików matrycy i chromatogramu są podobne, ale różnią się geometrią czasów retencji, tak jak byłyby widoczne dla różnych warunków chromatograficznych.

  1. Powtórz kroki 11.2–11.5, z wyjątkiem przechodzenia do 2.bt szablonu docelowego, wybierania i ładowania (plik uzupełniający 9).
  2. Wybierz szablon | Interaktywny szablon meczu; następnie kliknij w Edytuj transformację.
  3. W interfejsie szablonu przekształcenia zmieniaj skale 1D i 2D, translacje i ścinania, aby lepiej wyrównać szablon z wykrytymi pikami, a następnie kliknij przycisk Przekształć szablon.
  4. Po przekształceniu szablonu kliknij przycisk Edytuj dopasowanie, a następnie powtórz kroki 11.8–11.9.

13. Wykonaj połączoną analizę nieukierunkowaną i ukierunkowaną na zestawie chromatogramów

UWAGA: Połączony szablon nieukierunkowany i ukierunkowany (UT), określany również jako szablon funkcji24,25, po dopasowaniu do każdego z zestawu chromatogramów, ustala korespondencję między analitami nieukierunkowanymi i docelowymi, a następnie wyodrębniane są spójne cechy próbki krzyżowej w celu rozpoznania wzorca.

  1. Przeprowadzić obróbkę wstępną (kroki 1–6) i dopasowanie matrycy UT (kroki 11.1–11.9) dla wszystkich chromatogramów w zestawie (tj. chromatogramów 2D olejów). Alternatywnie zautomatyzuj ten krok za pomocą oprogramowania projektowego lub podobnego oprogramowania, które nie zostało tutaj opisane.
  2. Uruchom oprogramowanie Investigator.
  3. Wybierz punkt menu Plik | Otwarta analiza; następnie wybierz i otwórz "Feature Jove su 70 eV.gca" (Plik uzupełniający 10).
  4. Kliknij przycisk OK, aby otworzyć i sprawdzić wyniki.
  5. Kliknij kartę Związki, aby przejrzeć wartości metryczne i statystyki dla określonych analitów (tj. analitów docelowych z powiązanymi nazwami chemicznymi) lub analitów niedocelowych z identyfikatorami (#) wyrównanymi na wszystkich chromatogramach, a następnie wykonaj poniższe czynności.
    1. Kliknij zakładkę Atrybuty, aby przejrzeć wartości i statystyki dla określonych metryk na różnych chromatogramach.
    2. Kliknij kartę Podsumowanie, aby przejrzeć statystyki podsumowujące zarówno dla związków, jak i cech. Jeśli chromatogramy pochodzą z różnych klas, jak w tym przypadku w przypadku oliwy wyprodukowanej z oliwek zebranych w dwóch różnych regionach Włoch, wówczas zakładka Podsumowanie zawiera dane statystyczne współczynnika Fishera (F i FDR), które zapewniają wgląd w cechy umożliwiające rozróżnienie między klasami.
    3. Przeglądaj różne wykresy na wszystkich kartach i, w razie potrzeby, przeprowadź analizę głównych składowych (PCA) na karcie Atrybuty.

14. Modyfikowanie szablonu UT do równoległej analizy MS

UWAGA: Analiza została przeprowadzona zarówno przy energii jonizacji elektronów 70 eV, jak i 12 eV (tj. wysokiej i niskiej)26,27.

  1. Otwórz jeden z 12 chromatogramów eV, np. "Oil 1 12 eV RAW.gci" (Plik uzupełniający 11), wykonaj obróbkę wstępną (kroki 1–6) i załaduj matrycę UT "UT template 70 relaxed.bt" (Supplementary File 12) zgodnie z opisem w krokach 11.1–11.6. Pliki są dostarczane jako materiał uzupełniający.
  2. W razie potrzeby dostosuj szablon tak, aby pasował do wykrytych szczytów 12 eV, jak opisano w kroku 12. W tym przypadku nie ma znaczącej niewspółosiowości, ponieważ sygnały tandemowe są multipleksowane. Należy jednak zauważyć, że ponieważ różne ustawienia jonizacji powodują różne fragmentacje, konieczne jest złagodzenie ograniczeń dla ograniczeń qCLIC dotyczących podobieństwa widmowego DMF i RMF (nie wykazane tutaj).
  3. Wybierz punkt menu Plik | Zapisz szablon; określ folder i nazwę pliku, np. "UT template 12.bt" (Plik uzupełniający 13); następnie kliknij Zapisz.

15. Wykonaj połączoną analizę nieukierunkowaną i ukierunkowaną na 12 chromatogramach eV

  1. Wybierz punkt menu Plik | Otwarta analiza; następnie wybierz i otwórz "Feature Jove su 12 eV.gca" - Plik uzupełniający 14 dostarczony plik.
  2. Kliknij przycisk OK, aby otworzyć i sprawdzić wyniki.
  3. Kliknij kartę Związki, aby przejrzeć wartości metryczne, zapoznaj się z odpowiedziami 12 eV i statystykami dla określonych analitów (tj. analitów docelowych z powiązanymi nazwami chemicznymi) lub analitów nieukierunkowanych z identyfikatorami (#) wyrównanymi na wszystkich chromatogramach, a następnie wykonaj poniższe czynności.
    1. Kliknij zakładkę Atrybuty, aby przejrzeć wartości i statystyki dla określonych metryk na różnych chromatogramach.
    2. Kliknij zakładkę Podsumowanie, aby przejrzeć statystyki podsumowujące zarówno dla związków, jak i cech przy 12 eV. Jeśli chromatogramy pochodzą z różnych klas, jak w tym przypadku w przypadku oliwy wyprodukowanej z oliwek zebranych w dwóch różnych regionach Włoch, wówczas zakładka Podsumowanie zawiera dane statystyczne współczynnika Fishera (F i FDR), które zapewniają wgląd w cechy umożliwiające rozróżnienie między klasami.
    3. Wyświetl różne wykresy dostępne na wszystkich kartach i, w razie potrzeby, przeprowadź analizę głównych składowych (PCA) na karcie Atrybuty.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

GC×GC-TOF MS wzorce wysokiej jakości oliwy z oliwek z pierwszego tłoczenia wykazują około 500 pików 2D powyżej progu stosunku sygnału do szumu (SNR) wynoszącego 100. Taki próg został zdefiniowany przez poprzednie badania nad lotnymi składnikami żywności14,27 jako minimalny względny sygnał powyżej progu w celu uzyskania wiarygodnych widm do analizy porównawczej. Składniki są rozmieszczone w przestrzeni chromatograficznej zgodnie z ich względnym zachowaniem w dwóch wymiarach chromatograficznych, a w szczególności w oparciu o ich lotność/polarność w 1D i lotność w 2D. Tutaj kombinacja kolumn jest polarna × półpolarna (tj. Carbowax 20M × OV1701).

Wzorzec 2D pokazuje wysoki stopień porządku. Względne wzorce retencji dla szeregów i klas homologicznych są pokazane na Rysunek 1A z adnotacjami (grafika dla grup i bąbelki dla pików) dla liniowo nasyconych węglowodorów (), węglowodorów nienasyconych (żółty), liniowo nasyconych aldehydów (niebieski), jednonienasyconych aldehydów (czerwony), wielonienasyconych aldehydów (łosoś), pierwszorzędowych alkoholi (zielony) i krótkołańcuchowych kwasów tłuszczowych (cyjano).

Wykryte piki 2D można następnie zidentyfikować, porównując średnie widmo MS wyodrębnione z całego piku 2D (widmo plamy) lub z największego widma (widmo wierzchołkowe). Rysunek 2 ilustruje wynik wyszukiwania widma wierzchołkowego dla blob 5 i zwraca wysokie dopasowanie podobieństwa (pierwsze 10 trafień) dla (E)-2-hexenal. Eksplorowane bazy danych to bazy danych wstępnie wybrane przez analityka w kroku 8 metody.

Identyfikacja jest weryfikowana przez aktywne indeksowanie retencji. Eksperymentalna wartość IT została obliczona dla pików 2D, tak aby na tym etapie wyszukiwanie w bibliotece nadało priorytet wynikom ze spójnymi wartościami tabelarycznego I T. Okna tolerancji można dostosować w oparciu o doświadczenie analityka, wiarygodność wartości referencyjnej bazy danych zgodnie z fazą stacjonarną oraz zastosowane warunki analityczne. Nowe narzędzia do inteligentnej kalibracji liniowych wskaźników retencji bez eksperymentalnej kalibracji za pomocą n-alkanów zostały niedawno opracowane i omówione w badaniu przeprowadzonym przez Reichenbach et al19.

Zbiór zidentyfikowanych pików 2D (tj. docelowych pików) może zostać wykorzystany do zbudowania szablonu docelowych pików, aby szybko ustalić wiarygodne powiązania między tym samym związkiem na wszystkich chromatogramach próbek. Zbiór docelowych szczytów szablonu jest wizualizowany w Rysunek 1B. Czerwone kółka odpowiadają 196 docelowym związkom, w tym dwóm wzorcom wewnętrznym (IS) połączonym z pikami matrycowymi za pomocą linii łączących. IS są używane do normalizacji odpowiedzi, a linie połączeń pomagają zwizualizować, który z dołączonych IS zostanie przyjęty do normalizacji każdej odpowiedzi szczytu/plamy 2D.

W Rysunek 1B, wypełnione okręgi wskazują pozytywne dopasowania między szczytem szablonu a rzeczywistym wzorcem, podczas gdy puste kółka są dla szczytów szablonu, dla których zgodność nie została zweryfikowana. Dopasowania fałszywie ujemne mogą być ograniczone przez odpowiedni dobór parametrów progowych, widm referencyjnych i funkcji ograniczających13,14,18,19. W przypadku złożonych wzorców z wieloma koelucjami zalecane są funkcje wykrywania pików jonowych, które są oparte na dekonwolucji spektralnej i mogą być prawidłową opcją19. Metadane piku szablonu są pokazane w powiększonym panelu Rysunek 1B dla (E)-2-sześciokątnego.

Specyfika dopasowania szablonu polega na możliwości zastosowania funkcji ograniczających, które ograniczają dodatnią zgodność z tymi kandydującymi pikami, które mieszcząc się w oknie wyszukiwania algorytmu, mają podobieństwo widmowe MS powyżej pewnego progu. W tym przypadku, w kroku 11, progi podobieństwa23 zostały ustalone na 700 zgodnie z wcześniejszymi eksperymentami mającymi na celu zdefiniowanie optymalnych parametrów ograniczających fałszywie ujemne dopasowania14. Podświetlone obszary właściwości piku szablonu w Rysunek 1B pokazuje informacje o referencyjnym ciągu widma MS i funkcji ograniczenia qCLIC (tj. (Match("

Stosując szablon do wszystkich chromatogramów zestawu, można napotkać trudne sytuacje, jak w przypadku częściowego niewspółosiowości wzorców. Może to być spowodowane niespójnościami temperatury pieca, niestabilnością przepływu/ciśnienia gazu nośnego lub ręczną interwencją w system, jak w przypadku substytucji kolumny lub wymiany pętli kapilarnej modulatora14,28. Rysunek 3 pokazuje sytuację częściowego niewspółosiowości między docelowym szablonem a rzeczywistym chromatogramem. Aby zminimalizować niewspółosiowość, interaktywne transformacje szablonów (Rysunek 3, panel sterowania) mogą zmieniać położenie szczytów szablonu w celu lepszego dopasowania. Po zmianie położenia szablon można dopasować w celu nawiązania korespondencji. W tym przykładzie szczyty szablonu (Rysunek 3, krok 12) są poprawnie zgodne z rzeczywistym wzorcem 2D. W przypadku poważnych niewspółosiowości, które nie zostały tutaj omówione, powtórzenie działań dopasuj-przekształcenie-aktualizacja może iteracyjnie dostosować pozycję pików szablonu do rzeczywistego wzorca szczytu12,13,14.

Tutaj docelowe piki (tj. znane anality) dostarczają około 40% wyniku chromatograficznego (196 docelowych pików średnio około 500 wykrywalnych). Pozostałe 60% związków, wraz z informacjami, które przynoszą, nie jest brane pod uwagę w ukierunkowanej analizie. Aby badanie było naprawdę wszechstronne, należy również ustanowić konsekwentne wyrównanie krzyżowe niedocelowych pików 2D. Pierwsza aplikacja, w której dopasowanie szablonu zostało rozszerzone na wszystkie wykrywalne anality, zajmowała się złożonym objętością palonej kawy7. Proces ten jest zautomatyzowany za pomocą oprogramowania (np. Investigator), pokazanego tutaj w krokach 14–15.

W tym procesie, wstępnie wybrane obrazy należące do badanego zestawu próbek (20 próbek) są używane do definiowania wiarygodnych szczytów poprzez krzyżowe dopasowanie wszystkich wzorców obrazów29. Następnie budowany jest chromatogram kompozytowy, na podstawie którego można zidentyfikować wiarygodne piki UT i regiony pików (tj. ślad pików 2D) w tak zwanym szablonie cech17.

Dla analiz uzyskanych przy 70 eV, proces ten określił 144 wiarygodne piki ze złagodzoną niezawodnością29, z których 76 należy do listy docelowych szczytów. Opierając się na tych 144 wiarygodnych pikach, proces wyrównuje wszystkie chromatogramy zgodnie ze średnimi czasami retencji wiarygodnych pików, a następnie łączy je w celu utworzenia chromatogramu kompozytowego. Rysunek 4 pokazuje listę wszystkich próbek oznaczonych zgodnie z regionem produkcji oleju (po lewej) oraz listę wiarygodnych pików/objętości plam w każdej próbce (po prawej).

Szablon nieukierunkowanej cechy składa się z 2pików D z analitów wykrytych w chromatogramie kompozytowym, pokazanych w Rysunek 5A, które są dopasowane przez szablon niezawodnych pików (n = 168 - czerwone kółka dla docelowych pików i zielone kółka dla niedocelowych pików). Widma masowe pików kompozytu, jak również ich czasy retencji, są rejestrowane w szablonie cech, jak pokazano dla octanu (Z)-3-heksenolu w powiększonym obszarze. Obszary pików są pokazane w Rysunek 5B jako grafika w kolorze czerwonym; zamiast tego są one określone przez kontury wszystkich 2pików D wykrytych w chromatogramie złożonym (n = 3578).

Gdy nienadzorowane rozpoznawanie wzorców przez Analizę Głównych Składowych jest stosowane do docelowego rozkładu pików w 20 analizowanych próbkach, oleje sycylijskie i toskańskie grupują się oddzielnie, co sugeruje, że warunki glebowo-klimatyczne i terroir wpływają na względne rozpowszechnienie substancji lotnych. Wyniki są pokazane w Rysunek 6A, a wyniki PCA z niezawodnego rozkładu pików są pokazane w Rysunek 6B. Oba podejścia potwierdzają krzyżowo, że oleje z różnych obszarów geograficznych mają różne, podczas gdy spójne sygnatury chemiczne, niezależnie od tego, czy są to związki docelowe, czy nieukierunkowane, lub jedno i drugie, są mapowane.

Wreszcie, oprogramowanie umożliwia szybkie i skuteczne ponowne wyrównanie wzorców między równoległymi kanałami detekcji. W tym zastosowaniu proponowane jest ponowne wyrównanie dla tandemowych sygnałów jonizacji. Źródło jonów MS multipleksuje się między dwiema energiami jonizacji (tj. 70 i 12 eV) z częstotliwością akwizycji 50 Hz na kanał30. Dwa wynikowe wzorce chromatograficzne są ściśle dopasowane, podczas gdy dane spektralne (tj. sygnatury spektralne i odpowiedzi) dostarczają uzupełniających się informacji o różnych zakresach dynamicznych odpowiedzi26,27. Wyrównane wzorce umożliwiają wyodrębnianie cech (2D pików i regionów pików) z jednoznacznymi identyfikatorami (tj. nazwami chemicznymi dla docelowych pików i unikalną numeracją # dla niedocelowych pików i regionów pików).

Dopasowanie szablonu pozwala na efektywne wyrównanie krzyżowe. W tej sytuacji nie ma dużej niewspółosiowości, ale ograniczenia MS muszą zostać złagodzone, aby umożliwić dopasowania szczytów UT. Z drugiej strony polecane regiony szczytowe UT, które nie mają ograniczeń MS, są natychmiast dopasowywane bez żadnych fałszywie ujemnych dopasowań. Rysunek 5C pokazuje powiększony obszar chromatogramu 12 eV, gdzie dopasowany jest szablon cech zbudowany z danych 70 eV. Wiarygodne piki UT są dodatnio dopasowane ze względu na obniżone ograniczenia qCLIC (np. próg DMF na poziomie 600). Należy zauważyć, że przy 12 eV wykrywa się mniej pików ze względu na ograniczoną fragmentację wywołaną niską energią jonizacji.

figure-results-1
Rysunek 1: Dwuwymiarowy wykres konturowy i szablon docelowy. (A) Wykres konturowy frakcji lotnej oliwy z oliwek z pierwszego tłoczenia z Toskanii. Uporządkowane wzory szeregów i klas homologów są wyróżnione różnymi kolorami i liniami: liniowo nasycone węglowodory (linia i kontury 2D), węglowodory nienasycone (żółte), liniowo nasycone aldehydy (niebieskie), aldehydy jednonienasycone (czerwone), aldehydy wielonienasycone (łosoś), pierwszorzędowe alkohole (zielony) i krótkołańcuchowe kwasy tłuszczowe (cyjano). (B) Nałożony na siebie ukierunkowany szablon znanych analitów (czerwone kółka) z liniami łączącymi Standardy Wewnętrzne (IS). Panele pokazują metadane właściwości szczytu/obiektu blob 2D (Decanal) lub właściwości piku szablonu. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Wyszukiwanie Apex MS. Dane wyjściowe wyszukiwania wierzchołka MS dla obiektu blob 5. Lista wpisów bazy danych o najwyższym dopasowaniu podobieństwa i powiązanych metadanych dostępnych w bibliotece. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3: Wyrównanie szablonu. Przepływ pracy ilustrujący kroki, które umożliwiają ponowne wyrównanie szablonu przez transformację. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Interfejs GC Investigator. Panel badacza ze wszystkimi wybranymi obrazami oznaczonymi zgodnie z regionem produkcji oleju (po lewej) oraz listą wiarygodnych pików/objętości plam w każdej próbce (po prawej). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-5
Rysunek 5: Szablon ukierunkowany i UT. (A) Wiarygodne wartości szczytowe wynikające z automatycznego przetwarzania w kroku 11; Czerwone kółka odpowiadają znanym analitom, podczas gdy zielone kółka są nieznane. W nałożonym panelu wyświetlane są właściwości obiektu szablonu dla (Z)-3-hexenal. (B) Powiększony obszar, który pokazuje piki UT (czerwone i zielone kółka) oraz obszary pików (czerwona grafika) szablonu UT dopasowane do próbki oleju uzyskanej przy energii jonizacji 70 eV. (C) Matryca UT dopasowana do próbki oleju uzyskanej przy energii jonizacji 12 eV. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-6
Rysunek 6: Wykresy załadunku PCA. Pokazują one naturalną konformację próbek (oleje z Toskanii i Sycylii) wynikającą z (A) docelowego rozkładu pików lub (B) rozkładu pików UT. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Pliki uzupełniające. Kliknij tutaj, aby pobrać te pliki.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wizualizacja danych GC×GC-TOF MS jest podstawowym krokiem do właściwego zrozumienia wyników uzyskanych dzięki kompleksowym dwuwymiarowym separacjom. Wykresy obrazów z dostosowaną koloryzacją pozwalają analitykom docenić różnice w odpowiedziach detektora, a tym samym różnicowy rozkład składników próbki. To wizualne podejście całkowicie zmienia perspektywę analityków na interpretację i opracowanie chromatogramów. Ten pierwszy krok, raz zrozumiany i pewnie stosowany przez chromatografów, otwiera nową perspektywę w dalszym przetwarzaniu.

Innym fundamentalnym aspektem przetwarzania danych jest dostęp do pełnej macierzy danych (tj. danych spektralnych MS i odpowiedzi) dla wszystkich punktów próbkowania, z których każdy odpowiada pojedynczemu zdarzeniu detektora. Pod tym względem całkowanie pików 2D, tak że zbiór zdarzeń detektora odpowiadających pojedynczemu analitowi stanowi krytyczny krok. W obecnym protokole detekcja pików 2Dopiera się na algorytmie zlewni18 z pewnymi adaptacjami w celu poprawy czułości wykrywania w przypadku związków częściowo koeluujących. Aby uczynić ten proces bardziej szczegółowym, należy przeprowadzić dekonwolucję i przyjąć bardziej wyrafinowane procedury. Jest to możliwe dzięki wykonaniu detekcji piku jonowego dla danych MS; Algorytm przetwarza tablicę danych i izoluje odpowiedź od pojedynczych analitów na podstawie profili spektralnych19,31.

Ważnym, ale krytycznym etapem protokołu i każdego procesu interpretacji danych GC×GC-MS jest identyfikacja analitów. Procedura ta, zaproponowana w krokach 8 i 9, w przypadku braku analizy potwierdzającej zgodnej z autentycznymi standardami, musi być starannie przeprowadzona przez analityka. Zautomatyzowane działania są dostępne w każdym oprogramowaniu komercyjnym; obejmują one ocenę podobieństwa sygnatury spektralnej MS w stosunku do zebranych widm referencyjnych (tj. bibliotek spektralnych) oraz ocenę stosunków charakterystycznych między jonami kwalifikatora/kwantyfikatora. Potrzebne są jednak dodatkowe kryteria potwierdzające w celu ujednoznacznienia identyfikacji izomerów. W protokole proponuje się przyjęcie liniowych wskaźników retencji w celu ustalenia priorytetów listy kandydatów; Limit dotyczy tutaj dostępności danych dotyczących przechowywania i ich spójności.

Główną cechą, która czyni to podejście wyjątkowym, jest dopasowanie szablonu 12,13,15,29. Dopasowywanie szablonów umożliwia rozpoznawanie wzorców 2Dw bardzo skuteczny, konkretny i intuicyjny sposób. Można go ustawić, pod względem czułości i swoistości, stosując niestandardowe wartości progowe i/lub funkcje ograniczeń, podczas gdy analityk może nadzorować procedurę, aktywnie wchodząc w interakcję z parametrami funkcji transformacji. Specyfika tego procesu polega na możliwości krzyżowego dopasowania informacji o pikach ukierunkowanych i niedocelowych między próbkami jednolitej partii, ale także między próbkami uzyskanymi w tych samych warunkach nominalnych, pomimo średniej do ciężkiej niewspółosiowości. Zalety tej operacji dotyczą możliwości zachowania wszystkich identyfikacji docelowych analitów, co jest czasochłonnym zadaniem dla analityka, oraz wszystkich metadanych zapisanych dla docelowych i niedocelowych pików z poprzednich sesji opracowania.

Dopasowywanie szablonów jest również bardzo skuteczne pod względem czasu obliczeniowego; pliki danych MS o niskiej rozdzielczości składają się z około 1–2 GB spakowanych danych, podczas gdy analizy MS o wysokiej rozdzielczości mogą osiągać 10–15 GB na pojedynczą serię analityczną. Dopasowywanie szablonów nie przetwarza za każdym razem pełnej macierzy danych, ale najpierw wykonuje wyrównanie czasu retencji między chromatogramami za pomocą pików matrycy, a następnie przetwarza piki kandydatów w oknie wyszukiwania pod kątem ich dopasowania podobieństwa do odniesienia w szablonie. W przypadku poważnej niewspółosiowości, która jest najtrudniejszą sytuacją, globalne transformacje wielomianowe drugiego rzędu działały lepiej niż metody lokalne, jednocześnie skracając czas obliczeń13.

Aby technika GC×GC mogła rozprzestrzenić się daleko poza środowisko akademickie i laboratoria badawcze, narzędzia do przetwarzania danych muszą ułatwiać podstawowe operacje wizualizacji i kontroli chromatogramów; identyfikacja analitów powinna oferować możliwość przyjęcia znormalizowanych algorytmów i procedur (np. algorytm wyszukiwania NIST i kalibracja IT); i analiza porównawcza powinna być intuicyjna, skuteczna i wspierana przez interaktywne narzędzia. Proponowane podejście odpowiada na te potrzeby, oferując jednocześnie zaawansowane opcje i narzędzia do radzenia sobie ze złożonymi sytuacjami, takimi jak koelucja analitów, kalibracja wielu analitów, analiza grupowa i równoległe dopasowywanie detekcji.

Cytowana literatura obejmuje wiele możliwych scenariuszy, w których GC×GC i, bardziej ogólnie, kompleksowa chromatografia dwuwymiarowa, oferują unikalne rozwiązania i wiarygodne wyniki, których nie można osiągnąć za pomocą 1chromatografii D w analizie jednoprzebiegowej. 5,32,33 Chociaż GC×GC jest najpotężniejszym narzędziem zwiększającym zdolność separacji i czułość, zawsze istnieją ograniczenia dotyczące siły separacji, czułości i innych zdolności systemowych. W miarę zbliżania się do tych granic systemowych analiza danych staje się coraz trudniejsza. W związku z tym prace badawczo-rozwojowe muszą nadal ulepszać narzędzia analityczne, którymi dysponujemy.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Prof. Stephen E. Reichenbach i dr Qingping Tao mają udziały finansowe w GC Image, LLC. Dr Daniela Peroni jest pracownikiem Instruments, dystrybutora GC Image we Włoszech i Francji. Dr Federico Stilo, prof. Chiara Cordero i prof. Carlo Bicchi deklarują, że nie mają konfliktu interesów.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badania były wspierane przez Progetto Ager − Fondazioni in rete per la ricerca agroalimentare. Akronim projektu Violin - Waloryzacja włoskich produktów z oliwek poprzez innowacyjne narzędzia analityczne (https://olivoeolio.progettoager.it/index.php/i-progetti-olio-e-olivo/violin-valorization-of-italian-olive-products-through-innovative-analytical-tools/violin-il-progetto). Oprogramowanie GC Image jest dostępne w bezpłatnej wersji próbnej dla czytelników, którzy chcą zademonstrować i przetestować protokół.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
1D Kolumna SolGel-Wax (100% glikol polietylenowy; 30 m & razy 0,25 mm dc & 0,25 μ m df). Gaz nośny hel o stałym przepływie nominalnym 1,3 ml/min.Trajan SGE Analytical Science, Ringwood, AustraliaPN 054796Gaz nośny hel o stałym przepływie nominalnym 1,3 ml/min. Programowanie temperatury piekarnika ustawione w następujący sposób: 40° C (2 min) do 240° C (10 min) przy 3,5& Ok.
Kolumna 2D OV1701 (86% polidimetylosiloksan, 7% fenyl, 7% cyjanopropyl; 1 m i razy; 0,1 mm dc & razy; 0,10 μ m df) od .Mega, Legnano, Mediolan, WłochyPN MEGA-1701
Zautomatyzowany system do przygotowania próbek: SPR Autosampler dla GCSepSolve-Analytical, Llantrisant, Wielka Brytania
Oliwa z oliwek z pierwszego tłoczenia: Sycylia i Toskania, WłochyProjekt SKRZYPCE (Ager - Fondazioni in rete per la ricerca agroalimentare)Próbki (n=10) zostały pobrane w roku produkcyjnym 2018 w ramach kampanii samplingowej projektu "Skrzypce". Oleje przekazano do HS-SPME w celu pobrania próbek substancji lotnych zgodnie z protokołem referencyjnym zatwierdzonym w poprzednim badaniu Stilo et al.14
Chromatograf gazowy: Model 7890BGC Agilent Technologies Wilmington DE, USA
GC Image GC× GC edition V 2.9GC Image LLC, Lincoln, Nebraskahttps://www.gcimage.com/gcxgc/trial.html
Oprogramowanie do przetwarzania obrazuGC Image LLC, Lincoln, Nebraskahttps://www.gcimage.com/gcxgc/trial.html
Spektrometr masowy: BenchTOF-SelectMarkes International Llantrisant, Wielka Brytania
Oktynian metylo-2-oktynonianu (CAS 111-12-6)Merck-Millipore/SupelcoPN: 68982
Sterownik modulatora: Optimode v2.0Intruments, Cernusco sul Naviglio, Mediolan, Włochy
Modulator: KT 2004 pętla typuZoex Corporation Houston, TX, USA
Biblioteka MS i oprogramowanie wyszukiwania: NIST Library V 2017, Software V 2.3National Institute of Standards and Technology (NIST), Gaithersburg MDhttps://www.nist.gov/srd/nist-standard-reference-database-1a-v17
n-alkany C8-C40 do indeksowania retencjiMerck-Millipore/SupelcoPN: 40147-U
n-heksantowa (CAS 110-54-3) chromatografia gazowa MS SupraSolvMerck-Millipore/SupelcoPN: 100795
Włókno mikroekstrakcyjne do fazy stałejMerck-Millipore/SupelcoPN 57914-U
α- /β-tujon (CAS 546-80-5)Merck-Millipore/Sigma AldrichPN: 04314

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Tranchida, P. Q., et al. Potential of comprehensive chromatography in food analysis. Trends in Analytical Chemistry. 52, 186-205 (2013).
  2. Cordero, C., Kiefl, J., Reichenbach, S. E., Bicchi, C. Characterization of odorant patterns by comprehensive two-dimensional gas chromatography: A challenge in omic studies. Trends in Analytical Chemistry. 113, 364-378 (2019).
  3. Cordero, C., Kiefl, J., Schieberle, P., Reichenbach, S. E., Bicchi, C. Comprehensive two-dimensional gas chromatography and food sensory properties: potential and challenges. Analytical and Bioanalytical Chemistry. 407, 169-191 (2015).
  4. Adahchour, M., Beens, J., Vreuls, R. J. J., Brinkman, U. A. T. Recent developments in comprehensive two-dimensional gas chromatography (GC × GC) - Introduction and instrumental set-up. Trends in Analytical Chemistry. 25 (5), 438-454 (2006).
  5. Prebihalo, S. E., et al. Multidimensional gas chromatography: Advances in instrumentation, chemometrics, and applications. Analytical Chemistry. 90 (1), 505-532 (2018).
  6. Cordero, C., et al. Profiling food volatiles by comprehensive two-dimensional gas chromatography coupled with mass spectrometry: advanced fingerprinting approaches for comparative analysis of the volatile fraction of roasted hazelnuts (Corylus Avellana L.) from different origins. Journal of Chromatography A. 1217, 5848-5858 (2010).
  7. Cordero, C., et al. Targeted and non-targeted approaches for complex natural sample profiling by GC×GC-QMS. Journal of Chromatography Sciences. 48 (4), 251-261 (2010).
  8. Maio, D., Maltoni, D. Direct gray-scale minutiae detection in fingerprints. IEEE Transactions on Pattern Analysis and Machine Intelligence. 19 (1), 27-40 (1997).
  9. Jain, A. K., Hong, L., Pankanti, S., Bolle, R. An identity-authentication system using fingerprints. Proceedings of IEEE. 85 (9), 1365-1388 (1997).
  10. Parsons, B. A., et al. Tile-based fisher ratio analysis of comprehensive two-dimensional gas chromatography time-of-flight mass spectrometry (GC × GC-TOFMS) data using a null distribution approach. Analytical Chemistry. 87 (7), 3812-3819 (2015).
  11. Pierce, K. M., Kehimkar, B., Marney, L. C., Hoggard, J. C., Synovec, R. E. Review of chemometric analysis techniques for comprehensive two dimensional separations data. Journal of Chromatography A. 1255, 3-11 (2012).
  12. Reichenbach, S. E., et al. Alignment for comprehensive two-dimensional gas chromatography with dual secondary columns and detectors. Analytical Chemistry. 87 (19), 10056-10063 (2015).
  13. Rempe, D. W., et al. Effectiveness of global, low-degree polynomial transformations for GCxGC data alignment. Analytical Chemistry. 88 (20), 10028-10035 (2016).
  14. Stilo, F., et al. Untargeted and targeted fingerprinting of extra virgin olive oil volatiles by comprehensive two-dimensional gas chromatography with mass spectrometry: challenges in long-term studies. Journal of Agricultural and Food Chemistry. 67 (18), 5289-5302 (2019).
  15. Reichenbach, S. E., Carr, P. W., Stoll, D. R., Tao, Q. Smart templates for peak pattern matching with comprehensive two-dimensional liquid chromatography. Journal of Chromatography A. 1216 (16), 3458-3466 (2009).
  16. Reichenbach, S. E., et al. Informatics for cross-sample analysis with comprehensive two-dimensional gas chromatography and high-resolution mass spectrometry (GCxGC-HRMS). Talanta. 83 (4), 1279-1288 (2011).
  17. Reichenbach, S. E., Tian, X., Cordero, C., Tao, Q. Features for non-targeted cross-sample analysis with comprehensive two-dimensional chromatography. Journal of Chromatography A. 1226, 140-148 (2012).
  18. Latha, I., Reichenbach, S. E., Tao, Q. Comparative analysis of peak-detection techniques for comprehensive two-dimensional chromatography. Journal of Chromatography A. 1218 (38), 6792-6798 (2011).
  19. Reichenbach, S. E., Tao, Q., Cordero, C., Bicchi, C. A data-challenge case study of analyte detection and identification with comprehensive two-dimensional gas chromatography with mass spectrometry (GC×GC-MS). Separations. 6 (3), 38(2019).
  20. Reichenbach, S. E. Chapter 4 Data Acquisition, Visualization, and Analysis. Comprehensive Analytical Chemistry. , 77-106 (2009).
  21. Reichenbach, S. E., Ni, M., Zhang, D., Ledford, E. B. Image background removal in comprehensive two-dimensional gas chromatography. Journal of Chromatography A. 985 (1-2), 47-56 (2003).
  22. Kratz, P. A Generalization of the retention index system including linear temperature programmed gas-liquid partition chromatography. Journal of Chromatography A. 11, 463-471 (1963).
  23. NIST Mass Spectrometry Data Center. NIST Standard Reference Database 1A: NIST/EPA/NIH Mass Spectral Library (NIST 08) and NIST Mass Spectral Search Program (Version 2.0f). National Institute of Standards and Technology (NIST). , Gaithersburg MD. (2005).
  24. Magagna, F., et al. Combined untargeted and targeted fingerprinting with comprehensive two-dimensional chromatography for volatiles and ripening indicators in olive oil. Analytica Chimica Acta. 936, 245-258 (2016).
  25. Reichenbach, S. E., et al. Benchmarking machine learning methods for comprehensive chemical fingerprinting and pattern recognition. Journal of Chromatography A. 1595, 158-167 (2019).
  26. Cialiè Rosso, M., et al. Adding extra-dimensions to hazelnuts primary metabolome fingerprinting by comprehensive two-dimensional gas chromatography combined with time-of-flight mass spectrometry featuring tandem ionization: insights on the aroma potential. Journal of Chromatography A. 1614 (460739), 1-11 (2020).
  27. Cordero, C., et al. Comprehensive two-dimensional gas chromatography coupled with time of flight mass spectrometry featuring tandem ionization: challenges and opportunities for accurate fingerprinting studies. Journal of Chromatography A. 1597, 132-141 (2019).
  28. Ni, M., Reichenbach, S. E., Visvanathan, A., TerMaat, J., Ledford, E. B. Peak pattern variations related to comprehensive two-dimensional gas chromatography acquisition. Journal of Chromatography A. 1086, 165-170 (2005).
  29. Reichenbach, S. E., et al. Reliable peak selection for multisample analysis with comprehensive two-dimensional chromatography. Analytical Chemistry. 85 (10), 4974-4981 (2013).
  30. Markes International. Select-EV: The next Generation of Ion Source Technology. Technical Note. , (2016).
  31. Tao, Q., Reichenbach, S. E., Heble, C., Wu, Z. New investigator tools for finding unique and common components in multiple samples with comprehensive two-dimensional chromatography. Chromatography Today. , February-March (2018).
  32. Seeley, J. V., Seeley, S. K. Multidimensional gas chromatography: fundamental advances and new applications. Analytical Chemistry. 85 (2), 557-578 (2013).
  33. Tranchida, P. Q., Aloisi, I., Giocastro, B., Mondello, L. Current state of comprehensive two-dimensional gas chromatography-mass spectrometry with focus on processes of ionization. Trends in Analytical Chemistry. 105, 360-366 (2018).

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Analiza danych GCxGCwzajemne dopasowanie pik wnietargetowane wykrywanie zwi zk wtargetowane dopasowanie pik winteraktywna transformacja szablonuanaliza g wnych sk adowychvolatilom oliwy z oliwek extra virgin

Powiązane artykuły