Impressão digital cromatográfica por correspondência de modelo para dados coletados por cromatografia abrangente de gás bidimensional

A impressão digital cromatográfica por correspondência de modelo é significativa porque pode extrair automaticamente informações químicas ricas não direcionadas e direcionadas por GC vezes cromatogramas GC em várias amostras com um alinhamento cruzado consistente. As principais vantagens desta técnica são sua cobertura abrangente de analitos não direcionados e direcionados e sua correspondência consistente de características cromatográficas em vários cromatogramas e amostras por alinhamento cruzado. A técnica tem amplas aplicações.

Aqui nós o aplicamos à foodomics e especificamente para caracterizar as informações químicas criptografadas na fração volátil dos azeites de oliva extra virgem. A técnica é fundamental para pesquisas usando aprendizado de máquina, para descobrir relações complexas entre a química da amostra e fatores externos. Por exemplo, em alimentos, usando qualidade sensorial e métodos de produção.

Eu chamaria isso de cromatografia é essencial. Se as separações forem ruins, o poder da técnica é limitado, mas se os cromatogramas forem bons, o método é bastante bem-sucedido GC por GC visualiza relações de retenção de estrutura em imagens. O olho humano está bem adaptado para perceber padrões bidimensionais e, portanto, ver o método demonstra seu poder de maneira muito direta.

Para criar uma matriz raster bidimensional para visualização e processamento, inicie o software de imagem e selecione arquivo e importação para abrir os arquivos de dados brutos de interesse. Na caixa de diálogo de importação, defina o período de modulação para 3,5 segundos, clique em OK e selecione arquivo e salve a imagem como. Navegue até a pasta desejada, digite o nome do arquivo e clique em salvar.

Para mudar a fase de modulação, selecione o processamento e a fase de mudança e defina a quantidade de mudança para menos 0.8 segundos. Para correção de linha de base, selecione gráfico e desenhe retângulo e clique e arraste para desenhar um retângulo na imagem em que nenhum pico seja detectado. Selecione ferramentas e visualize dados e anote a média e o desvio padrão do sinal do detector.

Em seguida, feche a ferramenta e selecione o processamento e a linha de base correta. Para colorir as imagens cromatográficas usando mapas de valores e cores, selecione exibir e colorir. Abra a guia de exportação de importação e selecione o mapa de cores personalizado AAAA de número e clique em importar.

Em seguida, nos controles de mapeamento de valor, defina o intervalo de valores para os valores mínimo e máximo e clique em OK. Para detecção de anólito de pico 2D, selecione processamento e detecte blobs. Alguns picos serão divididos e algumas detecções espúrias serão observadas.

Selecione configurar, configurações e detecção de blob. Defina a suavização como 0,1 para amostras 1D e como dois para modulações 2D e defina o mínimo como um vezes 10 elevado à sexta. Em seguida, clique em OK, selecione o processamento, detecte blobs e observe as melhorias.

Para remover detecções sem sentido, primeiro selecione o processamento e a detecção interativa de blob. Observe as configurações de detecção de blob e clique em detectar. No construtor de filtros avançado, clique em adicionar.

Na nova janela de restrição, selecione Retenção 2 e clique em OK. Em seguida, em uma restrição, os controles deslizantes definem os tempos de retenção 2D mínimo e máximo para o filtro para reduzir o número de picos falsos sem perder os picos verdadeiros e clique em aplicar e sim. Para pesquisar os espectros de pico e uma biblioteca de interesse do NIST MS, selecione configurar, configurações e pesquisar biblioteca e defina o tipo de espectro para pico MS, o limite de intensidade para 100, o tipo de pesquisa do NIST para similaridade simples, o tipo de coluna de índices de retenção do NIST para polar padrão e a tolerância dos índices de retenção do NIST para 10.

Em seguida, clique em OK e selecione a biblioteca de processamento e pesquisa para todos os blobs. Para criar um modelo com picos direcionados na visualização da imagem, clique no primeiro pico e clique com a tecla Control em quaisquer picos adicionais para selecionar os picos de interesse. Clique em adicionar ao modelo e selecione o arquivo e salve o modelo.

Em seguida, especifique a pasta e o nome do arquivo e clique em salvar. Para corresponder e aplicar o modelo, selecione o arquivo e abra a imagem e navegue e abra o arquivo de cromatograma de interesse. Defina o modo de cursor como modelo e selecione objetos e selecione modelo e carregue o modelo.

Na janela do modelo de carregamento, clique em procurar e abra o modelo de picos de destino. Em seguida, clique em carregar e ignorar. Na visualização da imagem, clique com o botão direito do mouse em um pico de modelo para inspecionar suas propriedades de objeto, incluindo a expressão lógica química do qualificador, ou qCLIC, e referenciar MS. Selecione o modelo e o modelo interativo de correspondência e transformação.

Na janela do modelo de correspondência, clique em corresponder a todos e revise os resultados correspondentes na tabela e na imagem. Cada pico do modelo será marcado com um círculo não preenchido. Se uma correspondência for feita, haverá um link para um círculo preenchido para o pico detectado.

Em seguida, edite as correspondências conforme apropriado e clique em aplicar para transferir os metadados do modelo para o cromatograma. Se as condições cromatográficas variarem substancialmente, fazendo com que o molde fique desalinhado com um novo cromatograma, carregue o molde de destino2. bt e selecione Modelo e Modelo de correspondência interativa e clique em Editar transformação.

Na interface do modelo transformado, varie as escalas, translações e cisalhadas 1D e 2D para alinhar melhor o modelo com os picos detectados e clique em transformar modelo. Quando o modelo tiver sido transformado, clique em editar correspondência e corresponda aos picos do modelo, conforme demonstrado. Para estabelecer correspondências entre analitos não direcionados e direcionados, selecione o arquivo e abra a análise e abra o arquivo conforme indicado.

Abra a guia compostos para revisar os valores métricos e as estatísticas de analitos específicos ou analitos não direcionados com identificadores alinhados em todos os cromatogramas. Abra a guia de atributos para revisar valores e estatísticas de métricas específicas nos cromatogramas e abra esta guia de resumo estatístico para revisar as estatísticas resumidas de compostos e recursos. Se os cromatogramas forem de classes diferentes, a guia de resumo listará as estatísticas da Razão de Fisher que fornecem informações sobre os recursos para discriminar entre as classes.

Nesses gráficos, são mostrados padrões de retenção relativos para séries e classes homólogas. Com anotações para hidrocarbonetos saturados lineares, hidrocarbonetos insaturados, aldeídos saturados lineares, aldeídos monoinsaturados, aldeídos poliinsaturados, álcoois primários e ácidos graxos de cadeia curta. Os picos 2D detectados podem ser identificados comparando o espectro médio de MS extraído de todo o pico 2D ou do maior espectro.

A coleta de picos 2D identificados pode ser adotada para construir um modelo de picos direcionados para estabelecer adequadamente correspondências confiáveis entre o mesmo composto em todos os cromatogramas de amostra. Nesta análise, pode ser observado um desalinhamento parcial entre o modelo alvo e o cromatograma real. Para desalinhamentos mínimos, as transformações interativas do modelo podem reposicionar os picos do modelo para um melhor ajuste.

O modelo de recurso não direcionado é composto de picos 2D de analitos detectados no cromatograma composto que são correspondidos pelo modelo de picos confiável. Os espectros de massa dos picos compostos, bem como seus tempos de retenção, são então registrados no modelo de recurso. Quando o reconhecimento de padrões não supervisionado pela análise de componentes principais é aplicado à distribuição de picos direcionados nas 20 amostras analisadas, os óleos da Sicília e da Toscana se agrupam separadamente, sugerindo que as condições pedoclimáticas e o terroir afetam a prevalência relativa de voláteis.

Ao aprender o procedimento pela primeira vez, é importante verificar os resultados em cada etapa. Se você tiver alguma dúvida, o pessoal da GC Image é muito receptivo e prestativo. Atualmente, estamos usando a técnica para analisar outros produtos alimentícios, como avelãs, cacau e chás, mas também biofluidos, como saliva, urina e fezes para aplicações metabolômicas de nutrientes.