Method Article
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.
Veri işleme ve değerlendirme, özellikle kütle spektrometresi ile birleştiğinde, kapsamlı iki boyutlu gaz kromatografisinin (GCxGC) kritik adımlarıdır. Verilerde şifrelenen zengin bilgiler son derece değerli olabilir, ancak verimli bir şekilde erişmek zor olabilir. Veri yoğunluğu ve karmaşıklığı uzun detaylandırma sürelerine yol açabilir ve zahmetli, analiste bağımlı prosedürler gerektirebilir. Bu nedenle, etkili ancak erişilebilir veri işleme araçları, bu gelişmiş çok boyutlu tekniğin günlük kullanım için laboratuvarlarda yayılmasını ve kabul edilmesine olanak sağlamanın anahtarıdır. Bu çalışmada sunulan veri analizi protokolü, karmaşık iki boyutlu kromatogramların bireysel kromatogramlar içinde ve kromatogram kümeleri arasında bilgilendirici desenlerin gelişmiş tanınması için bireysel kimyasal özelliklere son derece otomatik yapısızlaştırılması hedefine ulaşmak için kromatografik parmak izi ve şablon eşleştirme kullanır. Protokol, çok az müdahale ile yüksek tutarlılık ve güvenilirlik sağlar. Aynı zamanda, analist gözetimi, farklı ihtiyaçlara ve hedeflere uyum sağlamak için esneklik ve kapasite sağlamak için özelleştirilebilen çeşitli ayarlarda ve kısıtlama işlevlerinde mümkündür. Şablon eşleştirme, sızma zeytinyağı volatilomlarını keşfetmek için güçlü bir yaklaşım olarak gösterilmiştir. Tepelerin çapraz hizalaması sadece bilinen hedefler için değil, aynı zamanda çok çeşitli uygulamalar için karakterizasyon gücünü önemli ölçüde artıran hedefsiz bileşikler için de gerçekleştirilir. Benzer koşullar altında analiz edilen numune setlerinden kromatografik desenlerin sınıflandırılması ve karşılaştırılması için performansın kanıtlandırılmasına örnekler sunulmuştur.
Kapsamlı iki boyutlu gaz kromatografisi, uçuş zamanı kütle spektrometrik algılaması (GC×GC-TOF MS) ile birlikte günümüzde karmaşık numunelerin kimyasal karakterizasyonu için en bilgilendirici analitik yaklaşımdır 1 ,2,3,4,5. GC×GC'de sütunlar, ikinci boyut(2D) sütununa yeniden enjeksiyondan önce ilk boyuttan(1D) sütundan elde edilen bileşenleri hapseden bir modülatör (örneğin, termal veya valf tabanlı bir odaklama arayüzü) tarafından seri olarak bağlanır ve arayüzlenir. Bu işlem, genellikle 0,5-8 s arasında değişen sabit bir modülasyon süresi(PM)içinde yapılır. Termal modülasyon ile, işlem kriyo tuzaklama ve genel ayırma gücü için bazı yararları ile eluting bandı odaklanma içerir.
GC×GC iki boyutlu bir ayırma tekniği olmasına rağmen, işlem sıralı veri değerleri üretir. Dedektör analogdan dijitale (A/D) dönüştürücü kromatografik sinyal çıkışını belirli bir frekansta elde eder. Daha sonra, veriler yalnızca dijitalleştirilmiş verileri değil, ilgili meta verileri (veriler hakkında bilgi) de içeren belirli özel biçimlerde depolanır. GC×GC sistemlerinde kullanılan A/D dönüştürücü, kromatografik sinyalin yoğunluğunu iki analitik boyutta zamanın bir işlevi olarak dijital bir sayıya (DN) eşlemeye yardımcı olur. Tek kanallı dedektörler (örneğin, alev iyonizasyon dedektörü (FID), elektron yakalama dedektörü (ECD), kükürt chemiluminescence dedektörü (SCD) vb.) örnekleme süresi başına tek değerler üretirken, çok kanallı dedektörler (örneğin, kütle spektrometrik dedektörü (MS)) analitik çalışma boyunca örnekleme süresi başına birden fazla değer (tipik olarak spektral aralık üzerinden) üretir.
2B verileri görselleştirmek için detaylandırma, tek bir modülasyon dönemi (veya döngüsü) veri değerlerinin piksel sütunu (dedektör olaylarına karşılık gelen resim öğeleri) olarak rasterleştirilmesiyle başlar. Ordinat boyunca (Y ekseni, aşağıdan yukarıya) 2Bayırma süresi görselleştirilir. Piksel sütunları sırayla işlenir, böylece abscissa (X ekseni, soldan sağa) 1Bayırma süresini bildirir. Bu sıralama, 2B verilerini sağ el Kartezyen koordinat sisteminde sunar ve diziye ilk dizin olarak 1D saklama sırası sunar.
2B kromatogramların veri işlemesi, ham verilerden daha yüksek bir bilgi düzeyine erişim sağlayarak 2D tepe algılama, tepe tanımlama, nicel analiz için yanıt verilerinin çıkarılmasını ve karşılaştırmalı analiz sağlar.
2D tepe desenleri, numunenin benzersiz parmak izi olarak kabul edilebilir ve etkili çapraz karşılaştırmalı analiz için minutiae özellikleri olarak tespit edilen bileşikler. Şablon tabanlı parmak izi6,7olarak bilinen bu yaklaşım, biyometrik parmak izi6. Otomatik biyometrik parmak izi doğrulama sistemleri, aslında benzersiz parmak ucu özelliklerine dayanır: sırt çatallanmaları ve uçları, lokalize ve mürekkepli gösterimlerden veya ayrıntılı görüntülerden çıkarılır. Minutiae özellikleri olarak adlandırılan bu özellikler daha sonra kullanılabilir depolanan şablonlar8,9ile çapraz eşleştirilir.
Yukarıda belirtildiği gibi, her GC×GC ayırma deseni, iki boyutlu bir düzlem üzerine rasyonel olarak dağılmış 2D tepelerden oluşur. Her tepe tek bir analite karşılık gelir, bilgilendirici potansiyeli vardır ve karşılaştırmalı desen analizi için tek bir özellik olarak kabul edilebilir.
Burada, GC×GC-TOF MS tarafından tandem iyonlaşma içeren kimyasal parmak izi için etkili bir yaklaşım sunuyoruz. Amaç, bir kromatogram kümesinden özellikleri kapsamlı ve nicel olarak kataloglamaktır.
Mevcut ticari yazılım veya şirket içi rutinlerle karşılaştırıldığında10,11 en yüksek özellikler yaklaşımını kullanan şablon tabanlı parmak izi, yüksek özgüllük, verimlilik ve sınırlı hesaplama süresi ile karakterize edilir. Ek olarak, minutia özelliklerinin (yani, 2D tepeler) farklı enstrümantasyon tarafından veya uzun süreli çerçeve çalışmalarında elde edilenler olarak ciddi şekilde yanlış hizalanmış kromatogramlar arasında çapraz hizalamasını sağlayan içsel bir esnekliğe sahiptir12,13,14.
Önerilen yöntemin temel işlemleri, okuyucuyu 2B desen karmaşıklığını ve bilgi gücünü iyi anlamaya yönlendirmek için kısaca açıklanmıştır. Daha sonra, cihaz çıkış veri matrisi keşfedilerek, kimyasal tanımlama yapılır ve iki boyutlu uzay üzerinde bulunan hedeflenen analitler bilinir. Hedeflenen tepeler şablonu daha sonra inşa edilir ve aynı analitik toplu işlem içinde elde edilen bir dizi kromatograma uygulanır. Saklama süreleri, spektral imzalar ve yanıtlarla ilgili meta veriler (mutlak ve göreli), hedeflenen tepelerin yeniden hizalanmış desenlerinden ayıklanır ve örnek kümedeki kompozisyon farklılıklarını ortaya çıkarmak için benimsenmiştir.
İşlemin ek, benzersiz bir adımı olarak, parmak izi potansiyelini hem bilinen hem de bilinmeyen analitlere genişletmek için önceden hedeflenmiş kromatogramlarda birleşik hedefsiz ve hedefli (UT) parmak izi de gerçekleştirilir. İşlem, büyük ölçüde otomatikleştirilmiş gerçekten kapsamlı bir karşılaştırmalı analiz için bir UT şablonu üretir.
Son adım olarak, yöntem, yüksek ve düşük elektron iyonizasyon enerjileri (70 ve 12 eV) ile üretilen iki paralel dedektör sinyalinde özelliklerin çapraz hizalamasını gerçekleştirir.
Protokol, tek bir kromatogramın veya bir kromatogram kümesinin ve değişken kromatografi ve/veya çoklu dedektörlerin analizlerini desteklemede oldukça esnektir. Burada protokol, bir MS kitaplığı ve arama yazılımı ile birlikte ticari olarak kullanılabilen bir GC×GC Yazılım paketi (bkz. Malzeme Tablosu)ile gösterilmiştir (bkz. Gerekli araçlardan bazıları diğer yazılımlarda mevcuttur ve benzer araçlar Reichenbach ve iş arkadaşları 15 , 16 ,17,18,19tarafından literatürdeki açıklamalardan bağımsız olarak uygulanabilir. Gösteri için ham veriler, yazarların laboratuvarında yapılan sızma zeytin (EVO) yağı üzerine yapılan bir araştırma çalışmasından türetilmiştir14. Özellikle, İtalyan EVO yağlarının uçucu fraksiyonu (yani volatilom), headspace solid phase microextraction (HS-SPME) tarafından örneklenmiş ve numunelerin kalitesi ve duyusal yeterliliği için tanısal parmak izlerini yakalamak için GC×GC-TOF MS tarafından analiz edilir. Numuneler, örnekleme koşulları ve analitik kurulum ile ilgili ayrıntılar Malzeme Tablosunda verilmiştir.
Adım 1-6 kromatogramların ön işlemesini açıklar. Adım 7-9, bireysel kromatogramların işlenmesini ve analizini açıklar. 10-12 arası adımlar, çapraz örnek analizinin temeli olan şablon oluşturma ve eşleştirmeyi açıklar. 13-16. adımlar, ut analizi için 14-16 adımlarıyla protokolün bir kromatogram kümesine uygulanmasını açıklar.
1. Ham verilerin içe aktarıcı
NOT: Bu, görselleştirme ve işleme için iki boyutlu bir raster dizisi oluşturur.
2. Modülasyon aşamasının kaydırılması
NOT: Bu, modülasyon döneminin sonunu bir sonraki modülasyon döneminin boşluk süresine saran tepeler de dahil olmak üzere, her modülasyon döngüsündeki tüm zirveleri aynı görüntü sütununa koyar20.
3. Temel düzeltme21
4. Kromatografik görüntünün bir değer haritası ve renk haritası kullanarak renklendirimi20
5. Analizler için 2D tepe noktası (yani bloblar)algılaması 18
6. 2D tepeler filtrasyonu
NOT: Bu, 1D boyunca sütun taşmaları ve 2D boyunca çarpmalar veya kuyruklar nedeniyle anlamsız algılamaları otomatik olarak kaldırmak için yapılır.
7. Doğrusal tutma endeksleri kalibrasyonu
NOT: Bekletme dizini (RI) standartları kümesinde (genellikle n-alkanes) belirli saklama süreleri için bu adım22 (IT)gerçekleştirin.
8. NIST17 MS kitaplığındaki tepe spektrumunu arama23
9. Analiz tanımlamalarını gözden geçirin ve düzeltin
10. Hedeflenen zirvelere sahip bir şablon oluşturun15
11. Şablonu eşleştirin ve uygulayın
NOT: Eşleştirme, algılanan tepelerdeki şablon desenini yeni bir kromatogram tanır. Şablondan yeni kromatogramda eşleşen kümelerin kimliklerini ve diğer meta verileri uygulama.
12. Şablonu önemli ölçüde farklı kromatografi için dönüştürün
NOT: Kromatografik koşullar şablonun yeni bir kromatogramla yanlış hizalanabilmesine neden olmadıkça( örneğin, uzun süreli çalışmalarda veya yeni bir sütun yüklendikten sonra) bu adım gerekli değildir. Bu gibi durumlarda, şablon yeni kromatogram12,13'edaha iyi uyacak şekilde kromatografik tutma süreleri düzleminde geometrik olarak dönüştürülebilir. Bu örnekte, şablonun ve kromatogramın tepe desenleri benzerdir, ancak farklı kromatografik koşullar için görüleceği gibi tutma süreleri geometrisinde farklılık gösterir.
13. Bir kromatogram kümesinde birleştirilmiş hedefsiz ve hedefli analiz gerçekleştirin
NOT: Bir renklendirici kümesinin her biri ile eşleştirildiğinde, birdizi kromatogramla eşleştirildiğinde, hedeflenmemiş ve hedeflenen analitler arasında yazışmalar oluşturduğunda, desen tanıma için tutarlı çapraz örnek özellikleri ayıklanır.
14. Paralel MS analizi için UT şablonını değiştirme
NOT: Analiz hem 70 eV hem de 12 eV (yani yüksek ve düşük) elektron iyonlaşma enerjileri26,27ile gerçekleştirilmesiyle gerçeklenmiştir.
15. 12 eV kromatogramda birleşik hedefsiz ve hedefli analiz gerçekleştirin
GC×GC-TOF MS desenleri yüksek kaliteli sızma zeytinyağı volatilomları, 100 sinyal-gürültü oranı (SNR) eşiğinin yaklaşık 500 2D zirvesini sergiler. Böyle bir eşik, gıda uçucuları14,27 üzerinde daha önce yapılanaraştırmalarla,karşılaştırmalı analiz için güvenilir spektrum elde etmek için eşik üzerindeki minimum göreceli sinyal olarak tanımlanmıştır. Bileşenler kromatografik alan üzerinde, iki kromatografik boyuttaki göreceli tutmalarına göre ve özellikle 1D'deki volatilitelerine/polaritelerine ve 2D'deki volatilitelerine göre dağıtılır. Burada sütun kombinasyonu kutupsal × yarı kutupludur (yani Carbowax 20M × OV1701).
2B deseni yüksek derecede düzen gösterir. Homolog seriler ve sınıflar için göreli tutma desenleri Şekil 1A'da doğrusal doymuş hidrokarbonlar (siyah), doymamış hidrokarbonlar (sarı), doğrusal doymuş aldehitler (mavi), mono doymamış aldehitler (kırmızı), çoklu doymamış aldehitler (somon), birincil alkoller (yeşil) ve kısa zincirli yağ asitleri (cyano).
Tespit edilen 2Btepeler daha sonra tüm 2D zirvesinden(blob spektrumu) veya en büyük spektrumdan(apeks spektrumu) çıkarılan ortalama MS spektrumu karşılaştırılarak tanımlanabilir. Şekil 2, blob 5 için apex spektrum aramasının çıktısını gösterir ve (E)-2-onaltılık için yüksek benzerlik eşleşmesi (ilk 10 isabet) döndürür. Araştırılan veritabanları, yöntemin 8.
Kimlik, etkin bekletme dizini oluşturma tarafından doğrulanır. Deneysel IT değeri 2D tepeler için hesaplanmıştır, böylece bu aşamada kütüphane araması tutarlı tablolu ITdeğerleriyle sonuçlara öncelik verir. Tolerans pencereleri analist deneyimine, referans veritabanı değerlerinin sabit aşamaya göre güvenilirliğine ve uygulanan analitik koşullara göre özelleştirilebilir. n-alkanes ile deneysel kalibrasyon olmadan doğrusal tutma endekslerinin akıllı kalibrasyonu için yeni araçlar, yakın zamanda Reichenbach veark.
Tanımlanan 2B tepelerinin (yani hedeflenen zirvelerin) toplanması, tüm örnek kromatogramlarda aynı bileşik arasında güvenilir yazışmalar oluşturmak için hedeflenen zirvelerin bir şablonunun oluşturulması için benimsenebilir. Hedeflenen şablon tepelerinin koleksiyonu Şekil 1B'de görselleştirilmiştir. Kırmızı daireler, bağlantı hatlarına sahip şablon zirvelerine bağlı iki İç Standart (IS) dahil olmak üzere hedeflenen 196 bileşiklere karşılık gelir. IS yanıt normalleştirme için kullanılır ve bağlantı hatları, her 2Btepe/blob yanıtını normalleştirmek için dahil edilen IS'den hangisinin benimseneceğini görselleştirmeye yardımcı olur.
Şekil 1B'de, doldurulmuş daireler şablon zirvesi ile gerçek desen arasındaki pozitif eşleşmeleri gösterirken, boş daireler yazışmaların doğrulanmamış şablon zirveleri içindir. Yanlış negatif eşleşmeler, eşik parametrelerinin, referans spektrumlarının ve kısıtlama işlevlerinin13 , 14,18,19'unuygun seçimiilesınırlanabilir. Birden çok elution içeren karmaşık desenler için, spektral dekonvolüasyona dayanan iyon tepe algılama işlevleri tavsiye edilir ve geçerli bir seçenek olabilir19. Şablon tepe meta verileri, (E)- 2-onaltılık için Şekil 1B'nin genişletilmiş panelinde gösterilir.
Şablon eşleştirmenin özgüllüğü, algoritmanın arama penceresine düşen, belirli bir eşiğin üzerinde MS spektral benzerliğine sahip olan aday zirveleriyle pozitif yazışmaları sınırlayan kısıtlama işlevleri uygulama olanağına dayanır. Bu durumda, adım 11'de, yanlış negatif eşleşmeleri sınırlayan en uygun parametreleri tanımlamayı amaçlayan önceki denemelere göre23 benzerlik eşikleri 700 olarak ayarlanmıştır14. Şekil 1B'deki şablon tepe özelliklerinin vurgulanan alanları, başvuru MS spektrum dizesi ve qCLIC kısıtlama işlevi (örneğin, (Eşleştir("
Şablonu bir kümenin tüm kromatogramlarına uygulayarak, desenlerin kısmi yanlış hizalanması durumunda olduğu gibi zorlu durumlarla karşılaşabilirsiniz. Bunun nedeni fırın sıcaklığı tutarsızlıkları, taşıyıcı gaz akışı/basınç dengesizlikleri veya kolon ikamesi veya modülatör döngü kılcal damar değişimi durumunda olduğu gibi sisteme manuel müdahale14,28olabilir. Şekil 3, hedeflenen şablon ile gerçek kromatogram arasında kısmi bir yanlış hizalama durumunu gösterir. En az yanlış hizalama için etkileşimli şablon dönüşümleri(Şekil 3, kontrol paneli) şablon tepelerini daha iyi bir uyum için yeniden konumlandırabilir. Yeniden konumlandıktan sonra, şablon yazışmaları oluşturmak için eşlenebilir. Örnekte, şablon (Şekil 3, adım 12) gerçek 2B deseniyle doğru şekilde eşleşir. Burada tartışılmayan ciddi yanlış hizalamalar durumunda, eşleşme dönüştürme-güncelleştirme eylemlerinin tekrarlanması, şablon tepe noktası konumunu gerçek tepedeseni 12 , 13,14'e yinelemeli olarak uyarlayabilir.
Burada, hedeflenen tepeler (yani bilinen analitler) kromatografik sonucun yaklaşık% 40'ını sağlar (ortalama olarak yaklaşık 500 tespit edilebilir zirvenin 196 hedeflenen zirvesi). Bileşiklerin diğer %60'ı, getirdikleri bilgilerle birlikte, hedeflenen analizlerde dikkate alınmaz. Soruşturmayı gerçekten kapsamlı hale getirmek için, hedefsiz 2D zirvelerinin tutarlı çapraz hizalaması da kurulmalıdır. Şablon eşleştirmenin tüm tespit edilebilir analizlere genişletildiği ilk uygulama kavrulmuş kahvenin karmaşık volatilomu ile ilgilendi7. Bu işlem, burada 14-15.
Bu süreçte, üzerinde çalışılan örneklem kümesine ait önceden hedeflenmiş görüntüler (20 örnek), tüm görüntü desenlerinin çapraz eşlemli olarak güvenilir zirveleri tanımlamak içinkullanılır 29. Daha sonra, özellik şablonu17'deUT güvenilir zirvelerini ve tepe bölgelerini (yani 2D tepe ayak izini) tanımlayabileceğiniz bileşik bir kromatogram oluşturulmuştır.
70 eV'de elde edilen analizler için süreç, 76'sını hedeflenen zirveler listesine ait olan29'luk rahat güvenilirlikle 144 güvenilir zirve belirledi. Bu 144 güvenilir tepe noktasına dayanarak, işlem tüm kromatogramları güvenilir tepelerin ortalama tutma süreleriyle tutarlı bir şekilde hizalar ve daha sonra bunları birleştirerek bileşik bir kromatogram oluşturur. Şekil 4, yağın üretim bölgesine (solda) ve her numunedeki (sağda) güvenilir tepe/blob hacimlerinin listesine göre etiketlenmiş tüm örneklerin listesini gösterir.
Hedefsiz özellik şablonu, Şekil 5A'dagösterilen bileşik kromatogramda algılanan ve güvenilir tepeler şablonuyla eşleşen analitlerden 2D tepelerden oluşur (n = 168 – hedeflenen tepeler için kırmızı daireler ve hedefsiz tepeler için yeşil daireler). Bileşik tepelerin kütle spektrumları ve tutma süreleri, genişlemiş alanda (Z)- 3-hexenol asetat için gösterildiği gibi özellik şablonuna kaydedilir. Tepe bölgeleri Şekil 5B'de kırmızı renkli grafikler olarak gösterilir; bunun yerine, bileşik kromatogramda (n= 3578) algılanan tüm 2 D tepelerinin anahatlarıyla tanımlanırlar.
Analiz edilen 20 numunede hedeflenen tepeler dağılımına Ana Bileşen Analizi ile denetimsiz örüntü tanıma uygulandığında, Sicilya ve Toskana yağları kümesi ayrı ayrı pedo-iklim koşullarının ve terroir'in uçucuların göreceli yaygınlığını etkilediğini düşündürmektedir. Sonuçlar Şekil 6A'da, güvenilir tepeler dağılımından elde edilen PCA sonuçları şekil 6B'degösterilmiştir. İki yaklaşım, farklı coğrafi alanlardan gelen yağların farklı olduğunu çapraz doğrularken, hedefli veya hedefsiz bileşikler veya her ikisi de tutarlı, kimyasal imzalar eşlenir.
Son olarak, yazılım, desenlerin paralel algılama kanallarında hızlı ve etkili bir şekilde yeniden hizalanmasını sağlar. Bu uygulamada, tandem iyonlaşma sinyalleri için yeniden hizalama önerilir. MS'in iyon kaynağı, kanal başına 50 Hz alım frekansı olan iki iyonlaşma enerjisi (yani, 70 ve 12 eV) arasındaçoklayıcıdır. Elde edilen iki kromatografik desen, spektral veriler (yani spektral imzalar ve yanıtlar) farklı dinamik yanıt aralıklarına sahip tamamlayıcı bilgiler getirirken26,27. Hizalanmış desenler, özelliklerin(2D tepe noktaları ve tepe bölgeleri) tek eşli kimliklerle (yani, hedeflenen tepeler için kimyasal adlar ve hedeflenmemiş tepeler ve tepe bölgeler için benzersiz numaralandırma # ) ayıklanmasına izin verir.
Şablon eşleştirme etkili çapraz hizalama sağlar. Bu durumda, çok fazla yanlış hizalama yoktur, ancak UT zirveleri için eşleşmelere izin vermek için MS kısıtlamaları gevşetilmelidir. Öte yandan, MS kısıtlaması olmayan öne çıkan UT tepe bölgeleri, yanlış negatif eşleşmeler olmadan hemen eşleştirilir. Şekil 5C, 70 eV verisinden oluşturulan özellik şablonunun eşleştiği 12 eV kromatogramın genişletilmiş bir alanını gösterir. Güvenilir UT tepeleri, düşürülen qCLIC kısıtlamaları nedeniyle pozitif olarak eşleştirilir (örneğin, 600'deki DMF eşiği). Not etmek için, 12 eV'de, düşük iyonlaşma enerjisinin neden olduğu sınırlı parçalanma nedeniyle daha az tespit edilmiş tepe vardır.
Şekil 1: çift boyutlu kontur çizimi ve hedeflenen şablon. (A) Toskana'dan sızma bir zeytinyağının uçucu kısmının kontur arsası. Homolog serisinin ve sınıflarının sıralı desenleri farklı renk ve çizgilerle vurgulanır: doğrusal doymuş hidrokarbonlar (siyah çizgi ve 2D konturlar) doymamış hidrokarbonlar (sarı), doğrusal doymuş aldehitler (mavi) mono doymamış aldehitler (kırmızı), çoklu doymamış aldehitler (somon), birincil alkoller (yeşil) ve kısa zincirli yağ asitleri (cyano). (B) İç Standartları (IS) birbirine bağlayan bağlantı hatları ile bilinen analitlerin (kırmızı renkli daireler) hedeflenen şablonunun üzerine bindirilmiş. Paneller 2Btepe/blob özellikleri meta verilerini (Decanal) veya Şablon tepe özelliklerini gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 2: Apex MS araması. Blob 5 için apex MS aramasının çıktısı. Kitaplıktan kullanılabilen en yüksek benzerlik eşleşmesi ve ilgili meta verilere sahip veritabanı girdilerinin listesi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 3: Şablon yeniden hizalama. Şablonun dönüşüme göre yeniden hizalanmasına izin veren adımları gösteren iş akışı. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 4: GC Araştırmacı arayüzü. Yağın üretim bölgesine (solda) ve her örnekteki güvenilir tepe/blob hacimlerinin listesine (sağda) göre etiketlenmiş tüm seçilmiş görüntülerin yer alan araştırmacı paneli. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 5: Hedeflenen ve UT şablonu. (A) 11. adımda otomatik işlemeden kaynaklanan güvenilir zirveler; kırmızı daireler bilinen analitlere karşılık gelirken, yeşil daireler bilinmezliklerdir. Üst üste bindirilmiş panelde, (Z)-3-onaltılık için şablon nesnesi özellikleri gösterilir. (B) UT şablonunun UT tepelerini (kırmızı ve yeşil daireler) ve tepe bölgelerini (kırmızı grafikler) gösteren genişlemiş alan, 70 eV iyonizasyon enerjisinde elde edilen örnek bir yağ üzerinde eşleşir. (C) UT şablonu, 12 eV iyonizasyon enerjisinde elde edilen bir numune yağı ile eşleşti. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 6: PCA yükleme çizimleri. Numunelerin (Toskana ve Sicilya'dan gelen yağlar) doğal uyumunu gösterirler, çünkü(A)hedeflenen tepe dağılımı veya (B) UT tepe dağılımı ile sonuçlanırlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Ek Dosyalar. Bu dosyaları indirmek için lütfen tıklayınız.
GC×GC-TOF MS verilerinin görselleştirilmesi, kapsamlı iki boyutlu ayrımlarla elde edilen sonuçların uygun bir şekilde anlaşılması için temel bir adımdır. Özelleştirilmiş renklendirmeye sahip görüntü çizimleri, analistlerin dedektör tepki farklılıklarını ve dolayısıyla örnek bileşenlerin diferansiyel dağılımını takdir etmelerini sağlar. Bu görsel yaklaşım, analistlerin kromatogramların yorumlanması ve detaylandırılmasına bakış açısını tamamen değiştirir. Kromatograflar tarafından anlaşıldıktan ve güvenle kullanıldığında atılan bu ilk adım, daha fazla işlemede yeni bir bakış açısı açıyor.
Veri işlemenin bir diğer temel yönü, her biri tek bir dedektör olayına karşılık gelen tüm örnek noktalar için tam veri matrisine (ms spektral verileri ve yanıtları) erişilebilirliktir. Bu açıdan 2D entegrasyonu zirveye çıkar, böylece tek bir analyte karşılık gelen dedektör olaylarının toplanması kritik bir adımı temsil eder. Mevcut protokolde, 2D tepe algılama, kısmi birlikte hareket eden bileşikler durumunda algılama hassasiyetini artırmak için bazı uyarlamalarla birlikte havza algoritması18'e dayanmaktadır. Bu işlemi daha spesifik hale getirmek için, dekonvolüzyon yapılmalı ve daha karmaşık prosedürler benimsenmelidir. Bu, MS verileri için bir iyon tepe algılaması gerçekleştirerek mümkündür; algoritma veri dizisini işler ve spektral profiller19,31'e dayanarak yanıtı tek analitlerden izole eder.
Protokolün ve herhangi bir GC×GC-MS veri yorumlama işleminin önemli ama kritik bir adımı, analiz tanımlaması ile ilgilidir. 8. ve 9. adımlarda önerilen bu prosedür, özgün standartlara sahip doğrulayıcı bir analiz olmadığında, analist tarafından dikkatle yapılmalıdır. Otomatik eylemler herhangi bir ticari yazılımda mevcuttur; toplanan referans spektrumlarına (yani spektral kütüphanelere) karşı MS spektral imza benzerliği değerlendirmesini ve niteleyici/nicelik belirteci iyonları arasındaki karakteristik oranların değerlendirilmesini içerir. Bununla birlikte, izomerlerin tanımlanmasını netlaştırmak için ek doğrulayıcı kriterler gereklidir. Protokol, aday listesine öncelik vermek için doğrusal bekletme dizinlerinin benimsenmesini önerir; buradaki sınır, saklama verilerinin kullanılabilirliği ve tutarlılığı ile ilgilidir.
Bu yaklaşımı benzersiz kılan temelözellik, 12 , 13,15,29ile eşleşen şablondur. Şablon eşleştirme, 2B desen tanımayı çok etkili, spesifik ve sezgisel bir şekilde sağlar. Analist dönüştürme işlevi parametreleriyle etkin bir şekilde etkileşim kurarak yordamı denetleyebilirken, özelleştirilmiş eşik değerleri ve/veya kısıtlama işlevleri uygulanarak duyarlılık ve özgüllük açısından ayarlanabilir. Bu işlemin özelliği, hedefli ve hedefsiz tepe bilgilerini tek tip bir partinin örnekleri arasında, aynı zamanda orta ila şiddetli yanlış hizalamaya rağmen aynı nominal koşullarla elde edilen numuneler arasında çapraz hizalama olasılığına dayanır. Bu işlemin avantajları, analist için zaman alıcı bir görev olan tüm hedeflenen analit tanımlamalarını ve önceki detaylandırma oturumlarından hedeflenen ve hedeflenmemiş zirveler için kaydedilen tüm meta verileri koruma olasılığıyla ilgilidir.
Şablon eşleştirme, hesaplama süresi açısından da çok etkilidir; düşük çözünürlüklü MS veri dosyaları yaklaşık 1-2 Gb paketlenmiş veriden oluşurken, yüksek çözünürlüklü MS analizleri tek analitik çalıştırma başına 10-15 Gb'a ulaşabilir. Şablon eşleştirme her seferinde tam veri matrisini işlemez, ancak ilk başta şablon tepelerini kullanarak kromatogramlar arasında saklama süresi hizalaması gerçekleştirir, benzerlikleri için arama penceresindeki aday zirveleri şablondaki referansla eşleştirir. En zorlu durum olan ciddi yanlış hizalama durumunda, küresel ikinci sıra polinom dönüşümleri, hesaplama süresini azaltırken yerel yöntemlerden daha iyi performans gösterir13.
GC×GC tekniğinin akademi ve araştırma laboratuvarlarının ötesine yayılması için, veri işleme araçlarının görselleştirme ve kromatogram muayenesi için temel işlemleri kolaylaştırması gerekir; analitlerin tanımlanması, standart algoritmaları ve prosedürleri (örneğin, NIST arama algoritması ve IT kalibrasyonu) benimseme imkanı sunmalıdır; ve karşılaştırmalı analiz sezgisel, etkili ve etkileşimli araçlarla desteklenmelidir. Önerilen yaklaşım, analizler birlikte verme, çoklu analiz kalibrasyonu, grup tipi analiz ve paralel algılama hizalaması gibi karmaşık durumlarla başa çıkmak için gelişmiş seçenekler ve araçlar sunarken bu gereksinimleri karşılar.
Referansta bulunulan literatür, GC×GC ve daha genel olarak kapsamlı iki boyutlu kromatografinin tek çalıştırmalı analizde 1D kromatografi ile elde edilemeyecek benzersiz çözümler ve güvenilir sonuçlar sunduğu birçok olası senaryoyu kapsamaktadır. 5,32,33 GC×GC ayırma kapasitesini ve hassasiyetini artıran en güçlü araç olmasına rağmen, ayırma gücü, hassasiyet ve diğer sistemik kapasitelerde her zaman sınırlamalar vardır. Bu sistemik sınırlara yaklaşıldıkça, veri analizi giderek zorlaşır. Bu nedenle, araştırma ve geliştirme elimizdeki analitik araçları geliştirmeye devam etmelidir.
Prof. Stephen E. Reichenbach ve Dr. Qingping Tao'nun GC Image, LLC'de finansal çıkarları vardır. Dr. Daniela Peroni, İtalya ve Fransa'da GC Image distribütörü olan SRA Instruments'ın bir çalışanıdır. Dr. Federico Stilo, Prof. Chiara Cordero ve Prof. Carlo Bicchi çıkar çatışması ilan yok.
Araştırma Progetto Ager − Fondazioni tarafından rete per la ricerca agroalimentare'de desteklendi. Proje kısaltması Keman - Yenilikçi analitik araçlarla İtalyan zeytin ürünlerinin değerlenmesi (https://olivoeolio.progettoager.it/index.php/i-progetti-olio-e-olivo/violin-valorization-of-italian-olive-products-through-innovative-analytical-tools/violin-il-progetto). GC Image yazılımı, protokolü göstermek ve test etmek isteyen okuyucular için ücretsiz deneme sürümü için kullanılabilir.
Name | Company | Catalog Number | Comments |
1D SolGel-Wax column (100% polyethylene glycol; 30 m × 0.25 mm dc × 0.25 μm df). Carrier gas helium at a constant nominal flow of 1.3 mL/min. | Trajan SGE Analytical Science, Ringwood, Australia | PN 054796 | Carrier gas helium at a constant nominal flow of 1.3 mL/min. Oven temperature programming set as follows: 40°C (2 min) to 240°C (10 min) at 3.5°C/min. |
2D OV1701 column (86% polydimethylsiloxane, 7% phenyl, 7% cyanopropyl; 1 m × 0.1 mm dc × 0.10 μm df) from . | Mega, Legnano, Milan, Italy | PN MEGA-1701 | |
Automated system for sample preparation: SPR Autosampler for GC | SepSolve-Analytical, Llantrisant, UK | ||
Extra Virgin Olive oils: Sicily and Tuscany, Italy | Project VIOLIN (Ager - Fondazioni in rete per la ricerca agroalimentare) | Samples (n=10) were collected during the production year 2018 within the "Violin" project sampling campaign. Oils were submitted to HS-SPME to sample volatiles according to a reference protocol validated in a previous study of Stilo et al.14 | |
Gas chromatograph: Model 7890B GC | Agilent Technologies Wilmington DE, USA | ||
GC Image GC×GC edition V 2.9 | GC Image LLC, Lincoln, Nebraska | https://www.gcimage.com/gcxgc/trial.html | |
Image processing software | GC Image LLC, Lincoln, Nebraska | https://www.gcimage.com/gcxgc/trial.html | |
Mass spectrometer: BenchTOF-Select | Markes International Llantrisant, UK | ||
Methyl-2-octynoate (CAS 111-12-6) | Merck-Millipore/Supelco | PN: 68982 | |
Modulator controller: Optimode v2.0 | SRA Intruments, Cernusco sul Naviglio, Milan, Italy | ||
Modulator: KT 2004 loop type | Zoex Corporation Houston, TX, USA | ||
MS library and search software: NIST Library V 2017, Software V 2.3 | National Institute of Standards and Technology (NIST), Gaithersburg MD | https://www.nist.gov/srd/nist-standard-reference-database-1a-v17 | |
n-alkanes C8-C40 for retention indexing | Merck-Millipore/Supelco | PN: 40147-U | |
n-hexane (CAS 110-54-3) gas chromatography MS SupraSolv | Merck-Millipore/Supelco | PN: 100795 | |
Solid Phase Microextraction fiber | Merck-Millipore/Supelco | PN 57914-U | |
α- /β-thujone (CAS 546-80-5) | Merck-Millipore/Sigma Aldrich | PN: 04314 |
Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi
Izin talebiThis article has been published
Video Coming Soon
JoVE Hakkında
Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır