Хроматографическая дактилоскопия путем сопоставления шаблонов для данных, собранных с помощью комплексной двумерной газовой хроматографии
2 сентября 2020 г.
Этот протокол представляет собой подход к отпечаткам пальцев и исследованию многомерных данных, собранных с помощью комплексной двумерной газовой хроматографии в сочетании с масс-спектрометрией. Специальные алгоритмы распознавания образов (сопоставление шаблонов) применяются для изучения химической информации, зашифрованной в летучей фракции оливкового масла экстра-класса (т.е. волатиломе).
Хроматографическая дактилоскопия путем сопоставления шаблонов имеет большое значение, поскольку она может автоматически извлекать богатую нецелевую и целевую химическую информацию путем умножения на ГХ-хроматограммы для нескольких образцов с постоянным перекрестным выравниванием. Основными преимуществами этого метода являются всесторонний охват нецелевых и таргетных аналитов, а также последовательное сопоставление хроматографических особенностей на нескольких хроматограммах и образцах путем перекрестного выравнивания. Методика имеет широкое применение.
Здесь мы применяем его к фудомике и, в частности, к характеристике химической информации, зашифрованной в летучей фракции оливкового масла первого холодного отжима. Этот метод является основополагающим для исследований с использованием машинного обучения, чтобы обнаружить сложные взаимосвязи между химическим составом образца и внешними факторами. Например, в продуктах питания, с использованием органолептических качеств и методов производства.
Я бы сказал, что хроматография необходима. Если разделение плохое, мощность метода ограничена, но если хроматограммы хорошие, метод довольно успешен. Человеческий глаз хорошо приспособлен к восприятию двухмерных узоров, и поэтому наблюдение за этим методом демонстрирует его силу самым непосредственным образом.
Чтобы создать двумерный растровый массив для визуализации и обработки, запустите программное обеспечение для обработки изображений, выберите файл и импорт, чтобы открыть интересующие вас файлы необработанных данных. В диалоговом окне импорта установите период модуляции на 3,5 секунды, нажмите OK, выберите файл и сохраните изображение как. Перейдите в нужную папку, введите имя файла и нажмите «Сохранить».
Чтобы сдвинуть фазу модуляции, выберите обработку и фазу сдвига и установите величину сдвига в минус 0,8 секунды. Для коррекции базовой линии выберите графику и нарисуйте прямоугольник, а затем нажмите и перетащите, чтобы нарисовать прямоугольник на изображении, в котором не обнаружено пиков. Выберите инструменты и визуализируйте данные и отметьте среднее и стандартное отклонение сигнала детектора.
Затем закройте инструмент и выберите обработку и коррекцию базовой линии. Чтобы раскрасить хроматографические изображения с помощью карт значений и цветов, выберите «Просмотреть и раскрасить». Откройте вкладку экспорта импорта, выберите пользовательскую цветовую карту AAAA и нажмите кнопку Импорт.
Затем в элементах управления сопоставлением значений установите диапазон значений на минимальное и максимальное значения и нажмите кнопку ОК. Для обнаружения пикового анолита в 2D выберите обработку и обнаружение больших двоичных объектов. Некоторые пики будут разделены, и будут наблюдаться некоторые ложные обнаружения.
Выберите конфигурацию, параметры и обнаружение больших двоичных объектов. Установите сглаживание на 0,1 для 1D сэмплов и на два для 2D модуляций, а также установите минимум на один умножить на 10 до шестого. Затем нажмите кнопку ОК, выберите Обработка, обнаружьте большие двоичные объекты и наблюдайте за улучшениями.
Чтобы удалить бессмысленные обнаружения, сначала выберите обработку и интерактивное обнаружение BLOB-объектов. Обратите внимание на параметры обнаружения BLOB-объектов и нажмите кнопку Обнаружить. В расширенном конструкторе фильтров нажмите «Добавить».
В новом окне ограничения выберите Удержание 2 и нажмите кнопку ОК. Затем в ограничении ползунки устанавливают минимальное и максимальное время хранения 2D для фильтра, чтобы уменьшить количество ложных пиков без потери истинных пиков, и нажимают apply и yes. Для поиска пиковых спектров и интересующей библиотеки NIST MS выберите конфигурацию, настройки и библиотеку поиска и установите тип спектра на пиковую MS, порог интенсивности на 100, тип поиска NIST на простое подобие, тип столбца индексов удержания NIST на стандартный полярный и допуск индексов удержания NIST на 10.
Затем нажмите кнопку ОК и выберите Обработка и поиск библиотеки для всех больших двоичных объектов. Чтобы создать шаблон с целевыми пиками в просмотре изображения, нажмите на первый пик и нажмите на любые дополнительные пики, чтобы выбрать интересующие пики. Нажмите добавить в шаблон, выберите файл и сохраните шаблон.
Затем укажите папку и имя файла и нажмите сохранить. Чтобы сопоставить и применить шаблон, выберите файл и откройте изображение, а затем перейдите к интересующему файлу хроматограммы и откройте его. Установите режим курсора на шаблон и выберите объекты, а также выберите шаблон и загрузите шаблон.
В окне загрузки шаблона нажмите кнопку «Обзор» и откройте шаблон целевых пиков. Затем нажмите кнопку «Загрузить» и «Закрыть». В окне просмотра изображения щелкните правой кнопкой мыши пик шаблона, чтобы проверить свойства его объекта, включая химическое логическое выражение квалификатора или qCLIC, и ссылку MS. Выберите шаблон и интерактивный шаблон сопоставления и трансформации.
В окне шаблона сопоставления нажмите «Сопоставить все» и просмотрите результаты сопоставления в таблице и на изображении. Каждый пик шаблона будет отмечен незакрашенным кругом. Если совпадение будет найдено, то появится ссылка на закрашенный круг для обнаруженного пика.
Затем отредактируйте совпадения по мере необходимости и нажмите «Применить», чтобы перенести метаданные из шаблона на хроматограмму. Если хроматографические условия существенно отличаются, что приводит к смещению матрицы с новой хроматограммой, загрузите целевой шаблон2. BT и выберите шаблон и интерактивный шаблон сопоставления и нажмите «Редактировать преобразование».
В интерфейсе преобразованного шаблона изменяются 1D и 2D масштабы, перемещения и сдвиги, чтобы лучше выровнять шаблон с обнаруженными пиками, и нажмите кнопку Преобразовать шаблон. Когда шаблон будет преобразован, нажмите кнопку «Редактировать соответствие» и сопоставьте пики шаблона, как показано на рисунке. Чтобы установить соответствия между нецелевыми и целевыми аналитами, выберите файл и откройте анализ, а затем откройте файл, как показано на рисунке.
Откройте вкладку «Соединения», чтобы просмотреть значения метрик и статистику для конкретных аналитов или нецелевых аналитов с идентификаторами, выровненными по всем хроматограммам. Откройте вкладку атрибутов, чтобы просмотреть значения и статистику для конкретных метрик по хроматограммам, и откройте эту вкладку сводной статистики, чтобы просмотреть сводную статистику как для соединений, так и для функций. Если хроматограммы относятся к разным классам, на вкладке сводки будет перечислена статистика коэффициента Фишера, которая дает представление о признаках для различения классов.
На этих графиках показаны модели относительного удержания для гомологичных рядов и классов. С аннотациями для линейных предельных углеводородов, ненасыщенных углеводородов, линейных насыщенных альдегидов, мононенасыщенных альдегидов, полиненасыщенных альдегидов, первичных спиртов и короткоцепочечных жирных кислот. Обнаруженные 2D-пики могут быть идентифицированы путем сравнения среднего спектра MS, выделенного из всего 2D-пика или из самого большого спектра.
Коллекция идентифицированных 2D-пиков может быть использована для построения шаблона целевых пиков, чтобы правильно установить надежные соответствия между одним и тем же соединением на всех хроматограммах образца. В этом анализе может наблюдаться частичное смещение между целевой матрицей и фактической хроматограммой. Для минимизации смещений интерактивные преобразования шаблона могут изменить положение пиков шаблона для лучшего прилегания.
Нецелевой шаблон признаков состоит из 2D-пиков аналитов, обнаруженных на композитной хроматограмме, которые сопоставляются с надежным шаблоном пиков. Масс-спектры составных пиков, а также время их удержания затем записываются в шаблон признака. Когда неконтролируемое распознавание образов с помощью анализа главных компонент применяется к распределению целевых пиков в 20 анализируемых образцах, сицилийская и тосканская нефти группируются отдельно, что позволяет предположить, что педоклиматические условия и терруар влияют на относительную распространенность летучих веществ.
При первом изучении процедуры важно проверять результаты на каждом этапе. Если у вас есть какие-либо вопросы, люди в GC Image очень отзывчивы и полезны. В настоящее время мы используем эту технику для анализа других пищевых продуктов, таких как, например, фундук, какао и чай, а также биожидкостей, таких как слюна, моча и фекалии, на предмет метаболомных питательных веществ.
Обзор
В данном протоколе описан метод создания «отпечатков» и анализа многомерных данных, полученных с помощью комплексной двухмерной газовой хроматографии в сочетании с масс-спектрометрией. Основное внимание уделяется извлечению химической информации из летучей фракции оливкового масла первого холодного отжима с использованием специализированных алгоритмов распознавания образов.
Основные компоненты исследования
Область науки
- Аналитическая химия
- Фудомика
- Масс-спектрометрия
Введение
- Хроматографическое профилирование имеет решающее значение для извлечения химической информации.
- Данный метод позволяет последовательно сопоставлять хроматографические характеристики в разных образцах.
- Он находит широкое применение в различных областях, включая анализ качества пищевых продуктов.
- Для изучения сложных взаимосвязей в данных может быть интегрировано машинное обучение.
Цель исследования
- Охарактеризовать химический состав летучей фракции оливковых масел первого холодного отжима (extra virgin).
- Продемонстрировать эффективность применения метода сопоставления с шаблоном в хроматографическом анализе.
- Предоставить подробный протокол для воспроизведения данного метода другими исследователями.
Используемые методы
- Сопоставление с шаблоном для анализа хроматографических данных.
- Коррекция базовой линии и раскрашивание хроматографических изображений.
- Обнаружение блобов для идентификации пиков в данных.
- Поиск по библиотеке спектров пиков с использованием библиотеки NIST MS.
Основные результаты
- Успешное извлечение целевой и нецелевой химической информации.
- Повышение точности детектирования пиков за счет применения передовых методов фильтрации.
- Установление соответствий между аналитами на различных хроматограммах.
- Визуализация зависимостей времени удерживания для улучшения интерпретации данных.
Выводы
- Данный метод представляет собой надежную основу для анализа сложных химических данных.
- Сопоставление с шаблоном значительно повышает достоверность хроматографического анализа.
- Этот подход может быть применен в различных областях, помимо фудомики.
Часто задаваемые вопросы
Практическая значимость для индустрии
Хроматографическое профилирование методом сопоставления с шаблоном позволяет автоматизировано и последовательно извлекать целевую и нецелевую химическую информацию из сложных данных GCxGC-MS, снижая вариативность, зависящую от оператора. Данный подход поддерживает рабочие процессы высокопроизводительного скрининга и распознавания образов в области безопасности пищевых продуктов, метаболомики и поиска биомаркеров, обеспечивая воспроизводимое выравнивание между образцами. Метод повышает интерпретируемость и масштабируемость данных для приложений раннего этапа поиска, требующих надежного обнаружения признаков в больших наборах образцов.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичное обнаружение и валидация мишени
- Научная ценность: позволяет анализировать сложные профили летучих веществ для поддержки формирования гипотез в механистических исследованиях биоактивных соединений.
- Практическая ценность: обеспечивает согласованное выравнивание пиков между образцами, что снижает количество ложноположительных результатов в кампаниях нетаргетного скрининга.
Скрининг и разработка анализа
- Научная ценность: Облегчает подготовку стандартизированных хроматографических профилей («отпечатков пальцев») для обеспечения готовности к анализу при метаболомном профилировании.
- Практическая ценность: Поддерживает масштабируемую автоматизированную обработку данных с минимальным ручным вмешательством, что повышает пропускную способность базовых лабораторий.
Трансляционные и доклинические исследования
- Научная ценность: позволяет сопоставлять химические профили с фенотипическими результатами с помощью методов неопосредованного распознавания образов, таких как кластеризация групп образцов на основе метода главных компонент (PCA).
- Практическая ценность: обеспечивает надежное соответствие аналитов между хроматограммами, что поддерживает согласованность данных в лонгитюдных и многоцентровых исследованиях.
Интеграция конвейера и рабочего процесса
Данный метод интегрируется в рабочие процессы поиска биомаркеров, преобразуя необработанные данные GCxGC-MS в выровненные таблицы признаков, подходящие для последующего статистического моделирования и применения методов машинного обучения.
- Поисковая биология: поддерживает проверку гипотез за счет автоматизированного обнаружения и выравнивания хроматографических признаков при различных экспериментальных условиях.
- Скрининг: предоставляет количественные, воспроизводимые таблицы пиков, что позволяет проводить надежную оценку соединений в крупномасштабных метаболомных скринингах.
- Аналитика: вычисляет значения метрик и статистику для конкретных аналитов и нецелевых признаков, что облегчает сравнительный анализ наборов образцов.
- Трансляционные исследования: связывает химические паттерны, выявленные на этапе поиска, с доклинической преемственностью посредством выравнивания времени удерживания и спектров между когортами.
- Корпоративное повторное использование: предоставляет многократно используемый стандартизированный конвейер для гармонизации хроматографических данных между проектами и исследовательскими центрами.
Операционное и организационное воздействие
- Научная ценность: Повышает точность прогнозирования за счет уменьшения механистической неоднозначности при анализе сложных смесей благодаря последовательному извлечению признаков.
- Операционная ценность: Повышает воспроизводимость и стандартизацию за счет использования автоматизированного сопоставления по шаблонам и протоколов перекрестного выравнивания.
- Стратегическая ценность: Улучшает принятие решений о продолжении или прекращении разработки (go/no-go) за счет обеспечения возможности быстрого и надежного анализа химического пространства на ранних этапах поиска.
- Влияние на портфель: Поддерживает приоритизацию с учетом рисков благодаря высокоточным воспроизводимым метаболомным сигнатурам в популяциях образцов.
Особенности реализации
- Требуется опыт анализа хроматографических данных и владение приборами и программным обеспечением для GCxGC-MS.
- Зависит от доступа к инструментам обработки изображений, поддерживающим генерацию двумерных растровых массивов, детектирование «блобов» (blob detection) и функции сопоставления с шаблоном.
- Необходима межгрупповая стандартизация фазы модуляции, коррекции базовой линии и параметров детектирования пиков для получения воспроизводимых результатов.
- При применении метода к различным матрицам образцов, таким как биожидкости или растительные экстракты, требуются соответствующие адаптационные корректировки.
- Практические ограничения включают зависимость от качества хроматографического разделения; низкое разрешение снижает эффективность детектирования и выравнивания признаков.
Часто задаваемые вопросы о биофармацевтике
Chapters in this video
0:04
Introduction
1:45
Importing Raw Data
2:24
Baseline Correction
2:50
Chromatographic Image Coloring and 2D Peak Analyte Detection
3:49
2D Peak Filtration and Peak Spectra Location
4:54
Targeted Peak Template Creation and Template Matching and Application
6:20
Template Transformation (Optional)
6:58
Untargeted and Targeted Chromatogram Analysis
7:46
Results: Representative Chromatographic Fingerprinting
9:27
Conclusion
