2 Eylül 2020
Bu protokol, parmak izi için bir yaklaşım sunar ve kütle spektrometresi ile birleştiğinde kapsamlı iki boyutlu gaz kromatografisi tarafından toplanan çok boyutlu verileri araştırır. Özel desen tanıma algoritmaları (şablon eşleştirme), sızma zeytinyağı uçucu fraksiyonunda (yani volatilome) şifrelenen kimyasal bilgileri keşfetmek için uygulanır.
Şablon eşleştirme ile kromatografik parmak izi önemlidir, çünkü tutarlı bir çapraz hizalama ile birden fazla numunede GC çarpı GC kromatogramları ile zengin, hedeflenmemiş ve hedeflenen kimyasal bilgileri otomatik olarak çıkarabilir. Bu tekniğin başlıca avantajları, hedeflenmemiş ve hedeflenmiş analitleri kapsamlı bir şekilde kapsaması ve kromatografik özelliklerin çapraz hizalama ile çoklu kromatogramlar ve numuneler arasında tutarlı bir şekilde eşleşmesidir. Tekniğin geniş uygulamaları vardır.
Burada bunu gıda ekonomisine ve özellikle sızma zeytinyağının uçucu fraksiyonunda şifrelenen kimyasal bilgileri karakterize etmek için uyguluyoruz. Bu teknik, numune kimyası ve dış faktörler arasındaki karmaşık ilişkileri keşfetmek için makine öğrenimini kullanan araştırmalar için temeldir. Örneğin gıdalarda, duyusal kalite ve üretim yöntemlerini kullanarak.
Ben buna kromatografinin gerekli olduğunu söyleyebilirim. Ayırmalar zayıfsa, tekniğin gücü sınırlıdır, ancak kromatogramlar iyiyse, yöntem oldukça başarılıdır GC by GC, görüntülerdeki yapı tutma ilişkilerini görselleştirir. İnsan gözü iki boyutlu kalıpları algılamak için iyi bir şekilde uyarlanmıştır ve bu nedenle yöntemi görmek, gücünü çok doğrudan bir şekilde gösterir.
Görselleştirme ve işleme için iki boyutlu bir raster dizisi oluşturmak için, görüntü yazılımını başlatın ve ilgilenilen ham veri dosyalarını açmak için dosya ve içe aktar'ı seçin. İçe aktarma iletişim kutusunda modülasyon süresini 3,5 saniye olarak ayarlayın, Tamam'a tıklayın ve dosyayı seçip görüntüyü farklı kaydet'i seçin. İstediğiniz klasöre gidin, dosya adını girin ve kaydet'e tıklayın.
Modülasyon fazını değiştirmek için işleme ve kaydırma fazını seçin ve kaydırma miktarını eksi 0,8 saniye olarak ayarlayın. Taban çizgisi düzeltmesi için, grafiği seçin ve dikdörtgen çizin ve görüntüde tepe noktası algılanmayan bir dikdörtgen çizmek için tıklayıp sürükleyin. Araçları seçin ve verileri görselleştirin ve dedektör sinyalinin ortalama ve standart sapmasını not edin.
Ardından aracı kapatın ve işlemeyi ve doğru taban çizgisini seçin. Değer ve renk haritalarını kullanarak kromatografik görüntüleri renklendirmek için görüntüle ve renklendir'i seçin. İçe aktarma dışa aktarma sekmesini açın ve AAAA özel renk haritasını seçin ve içe aktar'a tıklayın.
Ardından değer eşleme denetimlerinde, değer aralığını minimum ve maksimum değerlere ayarlayın ve Tamam'a tıklayın. 2B tepe anolit algılaması için işlemeyi seçin ve blobları algılayın. Bazı zirveler bölünecek ve bazı sahte tespitler gözlemlenecektir.
Yapılandır, ayarlar ve blob algılama'yı seçin. Düzgünleştirmeyi 1D örnekler için 0,1'e ve 2D modülasyonlar için iki olarak ayarlayın ve minimumu bir çarpı 10 üzeri altıncı olarak ayarlayın. Ardından Tamam'a tıklayın, işlemeyi seçin ve blobları algılayın ve iyileştirmeleri gözlemleyin.
Anlamsız algılamaları kaldırmak için önce işleme ve etkileşimli blob algılama'yı seçin. Blob algılama ayarlarını not edin ve algıla'ya tıklayın. Gelişmiş filtre oluşturucuda ekle'ye tıklayın.
Yeni kısıtlama penceresinde Bekletme 2'yi seçin ve Tamam'a tıklayın. Ardından, bir kısıtlamada kaydırıcılar, gerçek tepe noktalarını kaybetmeden yanlış tepe noktalarının sayısını azaltmak için filtrenin minimum ve maksimum 2B tutma sürelerini ayarlayın ve uygula ve evet'i tıklayın. Tepe spektrumlarını ve ilgilenilen bir NIST MS kitaplığını aramak için yapılandır, ayarlar ve arama kitaplığını seçin ve spektrum türünü tepe MS'e, yoğunluk eşiğini 100'e, NIST arama türünü basit benzerliğe, NIST tutma indeksleri sütun türünü standart polar'a ve NIST tutma indeksleri toleransını 10'a ayarlayın.
Ardından Tamam'a tıklayın ve tüm bloblar için işleme ve arama kitaplığı'nı seçin. Görüntü görünümünde hedeflenen tepe noktalarına sahip bir şablon oluşturmak için, ilk tepe noktasına tıklayın ve ilgilenilen tepe noktalarını seçmek için ek tepe noktalarına kontrol tıklaması yapın. Şablona ekle'ye tıklayın ve dosyayı seçin ve şablonu kaydedin.
Ardından klasörü ve dosya adını belirtin ve kaydet'e tıklayın. Şablonu eşleştirmek ve uygulamak için dosya ve açık görüntüyü seçin ve ilgilendiğiniz kromatogram dosyasına gidin ve açın. İmleç modunu şablon olarak ayarlayın ve nesneleri seçin ve şablonu seçin ve şablonu yükleyin.
Şablonu yükle penceresinde gözat'a tıklayın ve hedeflenen zirveler şablonunu açın. Ardından yükle'yi tıklayın ve kapatın. Görüntü görünümünde, niteleyici kimyasal mantık ifadesi veya qCLIC ve referans MS dahil olmak üzere nesne özelliklerini incelemek için bir şablon tepe noktasına sağ tıklayın. Şablonu ve etkileşimli eşleştirme ve dönüştürme şablonunu seçin.
Eşleşme şablonu penceresinde, tümünü eşleştir'e tıklayın ve tablodaki ve resimdeki eşleşen sonuçları inceleyin. Her şablon zirvesi, doldurulmamış bir daire ile işaretlenecektir. Bir eşleşme yapılırsa, tespit edilen tepe için doldurulmuş bir daireye bir bağlantı olacaktır.
Ardından eşleşmeleri uygun şekilde düzenleyin ve meta verileri şablondan kromatograma aktarmak için uygula'ya tıklayın. Kromatografik koşullar önemli ölçüde değişirse ve şablonun yeni bir kromatogramla yanlış hizalanmasına neden olursa, hedeflenen şablonu2 yükleyin. BT dosyasını açın ve Şablon ve Etkileşimli Maç Şablonu'nu seçin ve Dönüşümü Düzenle'ye tıklayın.
Dönüştürülen şablon arabiriminde, şablonu algılanan tepe noktalarıyla daha iyi hizalamak için 1B ve 2B ölçekleri, çevirileri ve yamultmaları değiştirin ve dönüştürme şablonu'nu tıklatın. Şablon dönüştürüldüğünde, düzenle eşleştir'e tıklayın ve şablonun tepe noktalarını gösterildiği gibi eşleştirin. Hedeflenmemiş ve hedeflenmiş analitler arasında yazışmalar kurmak için dosyayı seçin ve analizi açın ve dosyayı belirtildiği gibi açın.
Belirli analitler veya hedeflenmemiş analitler için metrik değerleri ve istatistikleri, tüm kromatogramlarda hizalanmış tanımlayıcılarla gözden geçirmek için bileşikler sekmesini açın. Kromatogramlardaki belirli metriklerin değerlerini ve istatistiklerini gözden geçirmek için öznitelikler sekmesini açın ve hem bileşikler hem de özellikler için özet istatistikleri gözden geçirmek için bu istatistiksel özet sekmesini açın. Kromatogramlar farklı sınıflardansa, özet sekmesi, sınıflar arasında ayrım yapma özellikleri hakkında bilgi sağlayan Fisher Oranı istatistiklerini listeleyecektir.
Bu grafiklerde, homolog seriler ve sınıflar için göreceli tutma modelleri gösterilmiştir. Doğrusal doymuş hidrokarbonlar, doymamış hidrokarbonlar, doğrusal doymuş aldehitler, tekli doymamış aldehitler, çoklu doymamış aldehitler, birincil alkoller ve kısa zincirli yağ asitleri için ek açıklamalarla. Tespit edilen 2B tepe noktaları, tüm 2B tepe noktasından veya en büyük spektrumdan çıkarılan ortalama MS spektrumu karşılaştırılarak tanımlanabilir.
Tanımlanan 2D tepe noktalarının toplanması, tüm numune kromatogramları boyunca aynı bileşik arasında güvenilir yazışmalar oluşturmak için hedeflenen tepe noktalarının bir şablonunu oluşturmak için benimsenebilir. Bu analizde, hedeflenen şablon ile gerçek kromatogram arasında kısmi bir yanlış hizalama gözlemlenebilir. En az yanlış hizalama için, etkileşimli şablon dönüştürmeleri şablon tepe noktalarını daha iyi bir uyum için yeniden konumlandırabilir.
Hedeflenmemiş özellik şablonu, kompozit kromatogramda tespit edilen ve güvenilir tepe noktaları şablonuyla eşleşen analitlerden gelen 2B tepe noktalarından oluşur. Bileşik tepe noktalarının kütle spektrumları ve tutma süreleri daha sonra özellik şablonuna kaydedilir. Analiz edilen 20 örnek içinde hedeflenen tepe dağılımına temel bileşen analizi ile denetimsiz örüntü tanıma uygulandığında, Sicilya ve Toskana yağları ayrı ayrı kümelenir, bu da pedo-klimaktik koşulların ve terörün uçucuların nispi prevalansını etkilediğini düşündürür.
Prosedürü ilk öğrenirken, her adımda sonuçları kontrol etmek önemlidir. Herhangi bir sorunuz varsa, GC Image'daki insanlar çok duyarlı ve yardımcı oluyorlar. Şu anda bu tekniği, örneğin fındık, kakao ve çay gibi diğer gıda ürünlerini ve aynı zamanda besin metabolomik uygulamaları için tükürük, idrar ve dışkı gibi biyo-sıvıları analiz etmek için kullanıyoruz.
Bu protokol, kütle spektrometrisi ile eşleştirilmiş kapsamlı iki boyutlu gaz kromatografisinden elde edilen çok boyutlu verilerin parmak izi analizini ve incelenmesini sağlayan bir yöntemi özetlemektedir. Çalışma, özel örüntü tanıma algoritmaları kullanarak sızma zeytinyağının uçucu fraksiyonundan kimyasal bilgilerin çıkarılmasına odaklanmaktadır.
Şablon eşleştirme yoluyla kromatografik parmak izi çıkarma, karmaşık GCxGC-MS verilerinden hedeflenen ve hedeflenmeyen kimyasal bilgilerin otomatik ve tutarlı bir şekilde çıkarılmasını sağlayarak analiste bağlı değişkenliği azaltır. Bu yaklaşım, örnekler arası tekrarlanabilir bir hizalama sunarak gıda güvenliği, metabolomik ve biyobelirteç keşfi alanlarındaki yüksek kapasiteli tarama ve örüntü tanıma iş akışlarını destekler. Yöntem, geniş örnek setlerinde güvenilir özellik tespiti gerektiren erken aşama keşif uygulamaları için veri yorumlanabilirliğini ve ölçeklenebilirliğini artırır.
Bu yöntem, ham GCxGC-MS verilerini, aşağı yönlü istatistiksel modelleme ve makine öğrenimi uygulamaları için uygun olan hizalanmış özellik tablolarına dönüştürerek keşif iş akışlarına entegre edilir.