Name: chromatographic fingerprinting by template matching for data collected by comprehensive two-dimensional gas chromatography
Uploaded: 2020-09-02T14:00:00.000+00:00
Duration: 10 min 14 s
Description: Watch this Scientific Journal Video about Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography at JoVE.com

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.

1. Ham verilerin içe aktarıcı
NOT: Bu, görselleştirme ve işleme için iki boyutlu bir raster dizisi oluşturur.
<ol><li>Görüntü yazılımını başlatın.</li>
	<li>Dosya | Seç İthalat; GC×GC-TOF MS sistemi tarafından alınan "VIOLIN 101.lsc" ( Tamamlayıcı Dosya1)adlı ham veri dosyasına gidin ve seçin; ardından Aç 'ıtıklatın. Kromatogram bu yazılımda açılır. NOT: Ham veri dosyası formatı cihaz üreticisine bağlıdır. Yazılım, kullanıcı kılavuzunda listelenen çeşitli dosya biçimlerini içe aktarır.</li>
	<li>İçe Aktar iletişim kutusunda Modülasyon Dönemi'ni (PM) 3,5 sn olarak ayarlayın; ardından Tamam'ı tıklatın. NOT: Bazı edinme yazılımları modülasyon dönemini kaydetmeyebilir.</li>
	<li>Dosya | Seç Resmi Farklı Kaydet; istediğiniz klasöre gidin; "Oil 1 RAW.gci" (Ek Dosya 2)adını girin; ardından Kaydet 'itıklatın.</li>
</ol>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.
<ol><li>İşleme | Seç Vardiya Aşaması.</li>
	<li>Vardiya Aşaması iletişim kutusunda, Vardiya Tutarı'nı -0,8 sn olarak ayarlayın; ardından Tamam'ı tıklatın.</li>
</ol>3. Temel düzeltme21
<ol><li>Grafik | Seç Dikdörtgen Çizin.</li>
	<li>Görüntüde tepe noktası algılanmayan bir dikdörtgen çizmek için tıklatıp sürükleyin.</li>
	<li>Araçlar | Seç Verileri Görselleştirin; dedektör sinyalinin ortalama ve standart sapması dikkate, burada, 21.850 ± 1.455 SD birimsiz dijital numara (DN); ardından aracı kapatın.</li>
	<li>İşleme | Seç Doğru Taban Çizgisi.</li>
</ol>4. Kromatografik görüntünün bir değer haritası ve renk haritası kullanarak renklendirimi20
<ol><li>Görünüm |'ni seçin Renklendir.</li>
	<li>Renklendir iletişim kutusunda İçeri/Dışarı Aktar sekmesini seçin; ek malzeme olarak sağlanan #AAAA (Tamamlayıcı Dosya 3) özel renk haritasını seçin; ardından İçeri Aktar'ı tıklatın.</li>
	<li>Değer Eşleme denetimlerinde, değer aralığını en düşük ve en büyük değerlere ayarlayın; ardından Tamam'ı tıklatın.</li>
</ol>5. Analizler için 2D tepe noktası (yani bloblar)algılaması 18
<ol><li>İşleme | Seç Blob'ları varsayılan ayarlarla algıla; ardından, bazı zirvelerin bölündüğünü ve sahte algılamalar olduğunu gözlemleyin.</li>
	<li>| Yapılandır'ı seçin Ayarlar | Blob Algılama; ardından Yumuşatma'yı ilk boyut için 0,1 ve ikinci boyut için 2,0 olarak ayarlayın ve Minimum Hacim'i (yani, toplam değerler için eşik) 1,00 E6 olarak ayarlayın; ardından Tamam'ı tıklatın.</li>
	<li>İşleme | Seç Blob'ları yeni ayarlarla algıla; ardından, iyileştirmeleri gözlemleyin.</li>
</ol>6. 2D tepeler filtrasyonu
NOT: Bu, 1D boyunca sütun taşmaları ve 2D boyunca çarpmalar veya kuyruklar nedeniyle anlamsız algılamaları otomatik olarak kaldırmak için yapılır.
<ol><li>İşleme | Seç Etkileşimli Blob Algılama.</li>
	<li>Blob algılama ayarlarına dikkat edin; ardından Algıla'ya tıklayın.</li>
	<li>Gelişmiş Filtre oluşturucusunda Ekle 'yitıklatın; ardından, Yeni Kısıtlama iletişim kutusunda Bekletme II'yi seçin; ardından Tamam'ı tıklatın.</li>
	<li>Kısıtlama kaydırıcılarında, filtrenin gerçek tepeleri kaybetmeden yanlış tepe sayısını azaltmak için minimum ve en fazla 2D saklama sürelerini ayarlayın.</li>
	<li>Uygula 'yıtıklatın; ardından, algılama ayarlarına yeni filtreyle kaydetmek için Evet'i tıklatın. NOT: İyon pik algılama veya ortak elutionlar için dekonvolüs19gibi belirli algılama sorunlarıyla başa çıkmak için daha gelişmiş araçlar gerekebilir.</li>
</ol>7. Doğrusal tutma endeksleri kalibrasyonu
NOT: Bekletme dizini (RI) standartları kümesinde (genellikle n-alkanes) belirli saklama süreleri için bu adım22 (IT)gerçekleştirin.
<ol><li>| Yapılandır'ı seçin RI Tablo | Bekletme Dizini (Col I).</li>
	<li>RI Tablosu Yapılandırması iletişim kutusunda İçeri Aktar'ı tıklatın; ardından, "LRI tablo.csv" - (Tamamlayıcı Dosya 4)adlı RI kalibrasyon dosyasını (ad, saklama süresi ve bekletme dizini ile CSV biçiminde) seçin.</li>
	<li>Dosya | Seç Resim A'yı kaydedin. İstediğiniz klasöre gidin; "Oil 1 LRI CALIBRATED.gci" (Ek Dosya 5)adını girin; ardından Kaydet 'itıklatın.</li>
</ol>8. NIST17 MS kitaplığındaki tepe spektrumunu arama23
<ol><li>| Yapılandır'ı seçin Ayarlar | Kitaplık 'ı arayın.</li>
	<li>Arama Kitaplığı iletişim kutusunda Spektrum Türünü En Yüksek MS' e, Yoğunluk Eşiğini 100'e, NIST Arama Türünü Basit (Benzerlik), NIST RI Sütun Türünü Standart Kutupsal'a ve NIST RI Toleransını 10olarak ayarlayın; ardından Tamam'ı tıklatın. NIST MS Search, burada varsayılan olarak ayarlanmış birçok başka ayar sunar.</li>
	<li>İşleme | Seç Tüm Bloblar için Kitaplık 'ı arayın.</li>
</ol>9. Analiz tanımlamalarını gözden geçirin ve düzeltin
<ol><li>Araç paletinde imleç modunu Blob | olarak ayarlayın Bloblar 'ı seçin.</li>
	<li>Görüntü görünümünde, istediğiniz tepeye sağ tıklayın.</li>
	<li>Blob Özellikleri iletişim kutusunda blob özelliklerini inceleyin; ardından, Hit List'i tıklatın.</li>
	<li>Ölüm listesini inceleyin; ardından, kimlik yanlışsa, doğru tanımlamanın yanındaki onay işaretini seçin.</li>
	<li>Blob Özellikleri iletişim kutusunda, kimyasal sınıfı ve istenen diğer meta verileri belirlemek için Grup Adı'nı girin; ardından Tamam'ı tıklatın.</li>
	<li>Dosya | Seç Resmi Farklı Kaydet; istediğiniz klasöre gidin; "Oil 1 COLORIZED for Template construction.gci"(Ek Dosya 6)adını girin; ardından Kaydet 'itıklatın. NOT: Bu dosya, 10.</li>
</ol>10. Hedeflenen zirvelere sahip bir şablon oluşturun15
<ol><li>Görüntü görünümünde (9.1 adımından blobları seçme modunda) ilk tepeye tıklayarak istediğiniz zirveleri seçin ve CTRL + ek tepelere tıklayın.</li>
	<li>Araç paletinde Şablona Ekle düğmesini tıklatın.</li>
	<li>Şablon tamamlandığında Dosya | Şablonu Kaydet; klasör ve dosya adını belirtin; ardından Kaydet 'itıklatın.</li>
	<li>Dosya | Seç Resmi Kapat. NOT: Bu noktada, bu talimatlar "Hedeflenen tamplate.bt" (Tamamlayıcı Dosya 7)olarak kullanılabilen istenen hedef zirveleri içerecek şekilde oluşturulan şablonla devam eder.</li>
</ol>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.
<ol><li>Dosya | Seç Resmi Aç; "Oil 2 COLORIZED.gci" (Tamamlayıcı Dosya 8) kromatogram dosyasına (önceden işlenmiş) gidin ve seçin; ardından Aç 'ıtıklatın.</li>
	<li>Araç paletinde imleç modunu Şablon | olarak ayarlayın Nesneler 'i seçin.</li>
	<li>Şablon | Seç Şablonu Yükle.</li>
	<li>Şablonu Yükle iletişim kutusunda Gözat'ı tıklatın; hedeflenen tepeler şablonuna gidin ve seçin "Hedeflenen template.bt" ( TamamlayıcıDosya 7); ardından Aç 'ıtıklatın.</li>
	<li>Şablonu Yükle iletişim kutusunda Yükle'yi tıklatın ve sonra Kapat 'ı tıklatın.</li>
	<li>Görüntü görünümünde, şablon zirvesine sağ tıklayın; ardından, qCLIC ve başvuru MS dahil olmak üzere nesne özelliklerini inceleyin.</li>
	<li>Şablon | Seç Etkileşimli Eşleştirme ve Dönüştürme Şablonu.</li>
	<li>Etkileşimli Eşleştirme arabiriminde, Tümünü Eşleştir'i tıklatın; ardından, eşleşen sonuçları hem tabloda hem de her şablon zirvesinin doldurulmamış dairelerle işaretlenmiş olduğu görüntüde gözden geçirin ve bir eşleşme yapılırsa, algılanan tepe için doldurulmuş bir daireye bağlantı vardır.</li>
	<li>Eşleşmeleri istediğiniz gibi düzenleyin; memnun kaldığında, meta verileri şablondan kromatograma aktarmak için Uygula'yı tıklatın. NOT: qCLIC gibi eşleşen kısıtlamalar, yeni kromatogramın algılanan zirveleri arasında doğru deseni eşleştirmeye yardımcı olur. Kısıtlama parametreleri, şablon başvurusu olarak kullanılan MS imzasının türünü (en yüksek MS veya blob MS) ve spektral benzerlik için eşik değerlerini (Doğrudan Eşleşme Faktörü (DMF) ve Ters Eşleşme Faktörü (RMF)) içerir. Burada parametreler, yanlış negatif eşleşmeleri sınırlamak için önceki çalışmalar13,14 temel alınarak ayarlanır: en yüksek MS ve DMF ve RMF benzerlik eşiği 700.</li>
</ol>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.
<ol><li>Hedeflenen şablon 2.bt (Tamamlayıcı Dosya 9) için gezinmek, seçmek ve yüklemek dışında 11.2–11.5adımlarınıyineleyin.</li>
	<li>Şablon | Seç etkileşimli eşleştirme şablonu; ardından Dönüşümü Düzenle 'yitıklatın.</li>
	<li>Şablonu Dönüştür arabiriminde, şablonu algılanan tepelerle daha iyi hizalamak için 1D ve 2D ölçeklerini, çevirileri ve makasları değiştirir; ardından Şablonu Dönüştür 'ütıklatın.</li>
	<li>Dönüştürülmüş şablonla, Eşleşmeyi Düzenle 'yitıklatın; ardından, 11.8–11.9 adımlarını yineleyin.</li>
</ol>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.
<ol><li>Setteki tüm kromatogramlar (örneğin, yağların 2 D kromatogramları) için ön işleme (adım 1-6) ve UT şablonu eşleştirmesi (adım 11.1–11.9)gerçekleştirin. Alternatif olarak, bu adımı burada açıklanamayan proje yazılımı veya benzer yazılımlarla otomatikleştirin.</li>
	<li>Araştırmacı yazılımını başlatın.</li>
	<li>Dosya | Seç Açık analiz; ardından, "Feature Jove su 70 eV.gca"(Ek Dosya 10)seçeneğini belirleyin ve açın.</li>
	<li>Sonuçları açmak ve incelemek için Tamam'ı tıklatın.</li>
	<li>Belirli analitlerin (yani, ilişkili kimyasal adlara sahip hedeflenen analitler) veya tüm kromatogramlara hizalanmış (#) tanımlayıcılara sahip hedeflenmemiş analitlerin ölçüm değerlerini ve istatistiklerini gözden geçirmek için Bileşikler sekmesine tıklayın, ardından aşağıdaki adımları gerçekleştirin.<ol>
<li>Kromatogramlardaki belirli ölçümlerin değerlerini ve istatistiklerini gözden geçirmek için Öznitelikler sekmesine tıklayın.</li>
		<li>Hem bileşiklerin hem de özelliklerin özet istatistiklerini gözden geçirmek için Özet sekmesine tıklayın. Kromatogramlar, bu durumda İtalya'nın iki farklı bölgesinde hasat edilen zeytinlerden üretilen yağlarda olduğu gibi farklı sınıflardansa, Özet sekmesinde, sınıflar arasında ayrım yapma özelliklerine ilişkin içgörüler sağlayan Fisher oranı istatistikleri (F ve FDR) listelenir.</li>
		<li>Tüm sekmelerde çeşitli grafikleri görüntüleyin ve istenirse Öznitelikler sekmesinde Asıl Bileşen Analizi (PCA) gerçekleştirin.</li>
	</ol>
</li>
</ol>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.
<ol><li>12 eV kromatogramdan birini açın, örneğin, "Oil 1 12 eV RAW.gci" (Tamamlayıcı Dosya 11),ön işleme gerçekleştirin (adım 1-6) ve 11.1-11.6 adımlarında açıklandığı gibi UT şablon "UT şablonu 70 relaxed.bt" (Ek Dosya 12) yükleyin. Dosyalar ek malzeme olarak sağlanır.</li>
	<li>Gerekirse, şablonu 12. Burada, tandem sinyalleri çoklanmış olduğundan önemli bir yanlış hizalama yoktur. Bununla birlikte, farklı iyonlaşma ayarlarının farklı parçalanmalar ürettiğinden, DMF ve RMF spektral benzerliği üzerindeki qCLIC kısıtlamaları için kısıtlamaları gevşetmek gerektiği belirtilmelidir (burada gösterilmez).</li>
	<li>Dosya | Seç Şablonu Kaydet; klasör ve dosya adını belirtin, örneğin, "UT şablon 12.bt" (Tamamlayıcı Dosya 13); ardından Kaydet 'itıklatın.</li>
</ol>15. 12 eV kromatogramda birleşik hedefsiz ve hedefli analiz gerçekleştirin
<ol><li>Dosya | Seç Açık analiz; ardından "Feature Jove su 12 eV.gca" - Ek Dosya 14 dosyasını seçin ve açın.</li>
	<li>Sonuçları açmak ve incelemek için Tamam'ı tıklatın.</li>
	<li>Metrik değerleri gözden geçirmek için Bileşikler sekmesine tıklayın, belirli analitler (yani, ilişkili kimyasal adlara sahip hedeflenen analitler) veya tüm kromatogramlara hizalanmış (#) tanımlayıcılara sahip hedeflenmemiş analitler için 12 eV yanıtına ve istatistiklerine bakın, ardından aşağıdaki adımları gerçekleştirin.<ol>
<li>Kromatogramlardaki belirli ölçümlerin değerlerini ve istatistiklerini gözden geçirmek için Öznitelikler sekmesine tıklayın.</li>
		<li>12 eV'de hem bileşiklerin hem de özelliklerin özet istatistiklerini gözden geçirmek için Özet sekmesine tıklayın. Kromatogramlar, bu durumda İtalya'nın iki farklı bölgesinde hasat edilen zeytinlerden üretilen yağlarda olduğu gibi farklı sınıflardansa, Özet sekmesinde, sınıflar arasında ayrım yapma özelliklerine ilişkin içgörüler sağlayan Fisher oranı istatistikleri (F ve FDR) listelenir.</li>
		<li>Tüm sekmelerde kullanılabilen çeşitli grafikleri görüntüleyin ve istenirse Öznitelikler sekmesinde Asıl Bileşen Analizi (PCA) gerçekleştirin.</li>
	</ol>
</li>
</ol>

<ol>
	<li>Tranchida, P. Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potential+of+comprehensive+chromatography+in+food+analysis.">Potential of comprehensive chromatography in food analysis.</a> Trends in Analytical Chemistry. 52, 186-205 (2013).</li><li>Cordero, C., Kiefl, J., Reichenbach, S. E., Bicchi, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Characterization+of+odorant+patterns+by+comprehensive+two-dimensional+gas+chromatography:+A+challenge+in+omic+studies.">Characterization of odorant patterns by comprehensive two-dimensional gas chromatography: A challenge in omic studies.</a> Trends in Analytical Chemistry. 113, 364-378 (2019).</li><li>Cordero, C., Kiefl, J., Schieberle, P., Reichenbach, S. E., Bicchi, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+two-dimensional+gas+chromatography+and+food+sensory+properties:+potential+and+challenges.">Comprehensive two-dimensional gas chromatography and food sensory properties: potential and challenges.</a> Analytical and Bioanalytical Chemistry. 407, 169-191 (2015).</li><li>Adahchour, M., Beens, J., Vreuls, R. J. J., Brinkman, U. A. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recent+developments+in+comprehensive+two-dimensional+gas+chromatography+(GC+&#215;+GC)+-+Introduction+and+instrumental+set-up.">Recent developments in comprehensive two-dimensional gas chromatography (GC &#215; GC) - Introduction and instrumental set-up.</a> Trends in Analytical Chemistry. 25 (5), 438-454 (2006).</li><li>Prebihalo, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multidimensional+gas+chromatography:+Advances+in+instrumentation,+chemometrics,+and+applications.">Multidimensional gas chromatography: Advances in instrumentation, chemometrics, and applications.</a> Analytical Chemistry. 90 (1), 505-532 (2018).</li><li>Cordero, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> Journal of Chromatography A. 1217, 5848-5858 (2010).</li><li>Cordero, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeted+and+non-targeted+approaches+for+complex+natural+sample+profiling+by+GC&#215;GC-QMS.">Targeted and non-targeted approaches for complex natural sample profiling by GC&#215;GC-QMS.</a> Journal of Chromatography Sciences. 48 (4), 251-261 (2010).</li><li>Maio, D., Maltoni, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Direct+gray-scale+minutiae+detection+in+fingerprints.">Direct gray-scale minutiae detection in fingerprints.</a> IEEE Transactions on Pattern Analysis and Machine Intelligence. 19 (1), 27-40 (1997).</li><li>Jain, A. K., Hong, L., Pankanti, S., Bolle, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+identity-authentication+system+using+fingerprints.">An identity-authentication system using fingerprints.</a> Proceedings of IEEE. 85 (9), 1365-1388 (1997).</li><li>Parsons, B. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tile-based+fisher+ratio+analysis+of+comprehensive+two-dimensional+gas+chromatography+time-of-flight+mass+spectrometry+(GC+&#215;+GC-TOFMS)+data+using+a+null+distribution+approach.">Tile-based fisher ratio analysis of comprehensive two-dimensional gas chromatography time-of-flight mass spectrometry (GC &#215; GC-TOFMS) data using a null distribution approach.</a> Analytical Chemistry. 87 (7), 3812-3819 (2015).</li><li>Pierce, K. M., Kehimkar, B., Marney, L. C., Hoggard, J. C., Synovec, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Review+of+chemometric+analysis+techniques+for+comprehensive+two+dimensional+separations+data.">Review of chemometric analysis techniques for comprehensive two dimensional separations data.</a> Journal of Chromatography A. 1255, 3-11 (2012).</li><li>Reichenbach, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alignment+for+comprehensive+two-dimensional+gas+chromatography+with+dual+secondary+columns+and+detectors.">Alignment for comprehensive two-dimensional gas chromatography with dual secondary columns and detectors.</a> Analytical Chemistry. 87 (19), 10056-10063 (2015).</li><li>Rempe, D. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effectiveness+of+global,+low-degree+polynomial+transformations+for+GCxGC+data+alignment.">Effectiveness of global, low-degree polynomial transformations for GCxGC data alignment.</a> Analytical Chemistry. 88 (20), 10028-10035 (2016).</li><li>Stilo, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Untargeted+and+targeted+fingerprinting+of+extra+virgin+olive+oil+volatiles+by+comprehensive+two-dimensional+gas+chromatography+with+mass+spectrometry:+challenges+in+long-term+studies.">Untargeted and targeted fingerprinting of extra virgin olive oil volatiles by comprehensive two-dimensional gas chromatography with mass spectrometry: challenges in long-term studies.</a> Journal of Agricultural and Food Chemistry. 67 (18), 5289-5302 (2019).</li><li>Reichenbach, S. E., Carr, P. W., Stoll, D. R., Tao, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Smart+templates+for+peak+pattern+matching+with+comprehensive+two-dimensional+liquid+chromatography.">Smart templates for peak pattern matching with comprehensive two-dimensional liquid chromatography.</a> Journal of Chromatography A. 1216 (16), 3458-3466 (2009).</li><li>Reichenbach, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Informatics+for+cross-sample+analysis+with+comprehensive+two-dimensional+gas+chromatography+and+high-resolution+mass+spectrometry+(GCxGC-HRMS).">Informatics for cross-sample analysis with comprehensive two-dimensional gas chromatography and high-resolution mass spectrometry (GCxGC-HRMS).</a> Talanta. 83 (4), 1279-1288 (2011).</li><li>Reichenbach, S. E., Tian, X., Cordero, C., Tao, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Features+for+non-targeted+cross-sample+analysis+with+comprehensive+two-dimensional+chromatography.">Features for non-targeted cross-sample analysis with comprehensive two-dimensional chromatography.</a> Journal of Chromatography A. 1226, 140-148 (2012).</li><li>Latha, I., Reichenbach, S. E., Tao, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparative+analysis+of+peak-detection+techniques+for+comprehensive+two-dimensional+chromatography.">Comparative analysis of peak-detection techniques for comprehensive two-dimensional chromatography.</a> Journal of Chromatography A. 1218 (38), 6792-6798 (2011).</li><li>Reichenbach, S. E., Tao, Q., Cordero, C., Bicchi, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+data-challenge+case+study+of+analyte+detection+and+identification+with+comprehensive+two-dimensional+gas+chromatography+with+mass+spectrometry+(GC&#215;GC-MS).">A data-challenge case study of analyte detection and identification with comprehensive two-dimensional gas chromatography with mass spectrometry (GC&#215;GC-MS).</a> Separations. 6 (3), 38 (2019).</li><li>Reichenbach, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chapter+4+Data+Acquisition,+Visualization,+and+Analysis.">Chapter 4 Data Acquisition, Visualization, and Analysis.</a> Comprehensive Analytical Chemistry. , 77-106 (2009).</li><li>Reichenbach, S. E., Ni, M., Zhang, D., Ledford, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Image+background+removal+in+comprehensive+two-dimensional+gas+chromatography.">Image background removal in comprehensive two-dimensional gas chromatography.</a> Journal of Chromatography A. 985 (1-2), 47-56 (2003).</li><li>Kratz, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Generalization+of+the+retention+index+system+including+linear+temperature+programmed+gas-liquid+partition+chromatography.">A Generalization of the retention index system including linear temperature programmed gas-liquid partition chromatography.</a> Journal of Chromatography A. 11, 463-471 (1963).</li><li>NIST Mass Spectrometry Data Center. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NIST+Standard+Reference+Database+1A:+NIST/EPA/NIH+Mass+Spectral+Library+(NIST+08)+and+NIST+Mass+Spectral+Search+Program+(Version+2.0f).">NIST Standard Reference Database 1A: NIST/EPA/NIH Mass Spectral Library (NIST 08) and NIST Mass Spectral Search Program (Version 2.0f).</a> National Institute of Standards and Technology (NIST). , (2005).</li><li>Magagna, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Combined+untargeted+and+targeted+fingerprinting+with+comprehensive+two-dimensional+chromatography+for+volatiles+and+ripening+indicators+in+olive+oil.">Combined untargeted and targeted fingerprinting with comprehensive two-dimensional chromatography for volatiles and ripening indicators in olive oil.</a> Analytica Chimica Acta. 936, 245-258 (2016).</li><li>Reichenbach, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Benchmarking+machine+learning+methods+for+comprehensive+chemical+fingerprinting+and+pattern+recognition.">Benchmarking machine learning methods for comprehensive chemical fingerprinting and pattern recognition.</a> Journal of Chromatography A. 1595, 158-167 (2019).</li><li>Ciali&#232; Rosso, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> Journal of Chromatography A. 1614 (460739), 1-11 (2020).</li><li>Cordero, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comprehensive+two-dimensional+gas+chromatography+coupled+with+time+of+flight+mass+spectrometry+featuring+tandem+ionization:+challenges+and+opportunities+for+accurate+fingerprinting+studies.">Comprehensive two-dimensional gas chromatography coupled with time of flight mass spectrometry featuring tandem ionization: challenges and opportunities for accurate fingerprinting studies.</a> Journal of Chromatography A. 1597, 132-141 (2019).</li><li>Ni, M., Reichenbach, S. E., Visvanathan, A., TerMaat, J., Ledford, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Peak+pattern+variations+related+to+comprehensive+two-dimensional+gas+chromatography+acquisition.">Peak pattern variations related to comprehensive two-dimensional gas chromatography acquisition.</a> Journal of Chromatography A. 1086, 165-170 (2005).</li><li>Reichenbach, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reliable+peak+selection+for+multisample+analysis+with+comprehensive+two-dimensional+chromatography.">Reliable peak selection for multisample analysis with comprehensive two-dimensional chromatography.</a> Analytical Chemistry. 85 (10), 4974-4981 (2013).</li><li>Markes International. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Select-EV:+The+next+Generation+of+Ion+Source+Technology.">Select-EV: The next Generation of Ion Source Technology.</a> Technical Note. , (2016).</li><li>Tao, Q., Reichenbach, S. E., Heble, C., Wu, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+investigator+tools+for+finding+unique+and+common+components+in+multiple+samples+with+comprehensive+two-dimensional+chromatography.">New investigator tools for finding unique and common components in multiple samples with comprehensive two-dimensional chromatography.</a> Chromatography Today. , (2018).</li><li>Seeley, J. V., Seeley, S. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multidimensional+gas+chromatography:+fundamental+advances+and+new+applications.">Multidimensional gas chromatography: fundamental advances and new applications.</a> Analytical Chemistry. 85 (2), 557-578 (2013).</li><li>Tranchida, P. Q., Aloisi, I., Giocastro, B., Mondello, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Current+state+of+comprehensive+two-dimensional+gas+chromatography-mass+spectrometry+with+focus+on+processes+of+ionization.">Current state of comprehensive two-dimensional gas chromatography-mass spectrometry with focus on processes of ionization.</a> Trends in Analytical Chemistry. 105, 360-366 (2018).</li></ol>

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.

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.

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.

<table><tbody><tr><td>&lt;sup&gt;1&lt;/sup&gt;D SolGel-Wax column (100% polyethylene glycol; 30 m &amp;times; 0.25 mm dc &amp;times; 0.25 &amp;mu;m df). Carrier gas helium at a constant nominal flow of 1.3 mL/min.</td><td>Trajan SGE Analytical Science, Ringwood, Australia</td><td>PN 054796</td><td>Carrier gas helium at a constant nominal flow of 1.3 mL/min. Oven temperature programming set as follows: 40&amp;deg;C (2 min) to 240&amp;deg;C (10 min) at 3.5&amp;deg;C/min.</td></tr><tr><td>&lt;sup&gt;2&lt;/sup&gt;D OV1701 column (86% polydimethylsiloxane, 7% phenyl, 7% cyanopropyl; 1 m &amp;times; 0.1 mm dc &amp;times; 0.10 &amp;mu;m df) from .</td><td>Mega, Legnano, Milan, Italy</td><td>PN MEGA-1701</td><td></td></tr><tr><td>Automated system for sample preparation: SPR Autosampler for GC</td><td>SepSolve-Analytical, Llantrisant, UK</td><td></td><td></td></tr><tr><td>Extra Virgin Olive oils: Sicily and Tuscany, Italy</td><td>Project VIOLIN (Ager - Fondazioni in rete per la ricerca agroalimentare)</td><td></td><td>Samples (n=10) were collected during the production year 2018 within the &quot;Violin&quot; 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</td></tr><tr><td>Gas chromatograph: Model 7890B GC</td><td>Agilent Technologies Wilmington DE, USA</td><td></td><td></td></tr><tr><td>GC Image GC&amp;times;GC edition V 2.9</td><td>GC Image LLC, Lincoln, Nebraska</td><td></td><td>https://www.gcimage.com/gcxgc/trial.html</td></tr><tr><td>Image processing software</td><td>GC Image LLC, Lincoln, Nebraska</td><td></td><td>https://www.gcimage.com/gcxgc/trial.html</td></tr><tr><td>Mass spectrometer: BenchTOF-Select</td><td>Markes International Llantrisant, UK</td><td></td><td></td></tr><tr><td>Methyl-2-octynoate (CAS 111-12-6)</td><td>Merck-Millipore/Supelco</td><td>PN: 68982</td><td></td></tr><tr><td>Modulator controller: Optimode v2.0</td><td>SRA Intruments, Cernusco sul Naviglio, Milan, Italy</td><td></td><td></td></tr><tr><td>Modulator: KT 2004 loop type</td><td>Zoex Corporation Houston, TX, USA</td><td></td><td></td></tr><tr><td>MS library and search software: NIST Library V 2017, Software V 2.3</td><td>National Institute of Standards and Technology (NIST), Gaithersburg MD</td><td></td><td>https://www.nist.gov/srd/nist-standard-reference-database-1a-v17</td></tr><tr><td>&lt;em&gt;n&lt;/em&gt;-alkanes C8-C40 for retention indexing</td><td>Merck-Millipore/Supelco</td><td>PN: 40147-U</td><td></td></tr><tr><td>&lt;em&gt;n&lt;/em&gt;-hexane (CAS 110-54-3) gas chromatography MS SupraSolv</td><td>Merck-Millipore/Supelco</td><td>PN: 100795</td><td></td></tr><tr><td>Solid Phase Microextraction fiber</td><td>Merck-Millipore/Supelco</td><td>PN 57914-U</td><td></td></tr><tr><td>&amp;alpha;- /&amp;beta;-thujone (CAS 546-80-5)</td><td>Merck-Millipore/Sigma Aldrich</td><td>PN: 04314</td><td></td></tr></tbody></table>

chromatographic fingerprinting by template matching for data collected by comprehensive two-dimensional gas chromatography

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.

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("<ms>") >= 700,0) ve (RMatch("<ms>") >= 700,0)) hakkındaki bilgileri gösterir.
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.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61529/61529fig01.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig01large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61529/61529fig02.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig02large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61529/61529fig03.jpg"> Şekil 3: Şablon yeniden hizalama. Şablonun dönüşüme göre yeniden hizalanmasına izin veren adımları gösteren iş akışı. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig03large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61529/61529fig04.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig04large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61529/61529fig05.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig05large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61529/61529fig06.jpg"> 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. <a href="https://www.jove.com/files/ftp_upload/61529/61529fig06large.jpg" target="_blank">Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.</a>
Ek Dosyalar. <a href="https://www.jove.com/files/ftp_upload/61529/Supplemental_Files.zip" target="_blank">Bu dosyaları indirmek için lütfen tıklayınız.</a>

Watch this Scientific Journal Video about Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography at JoVE.com

Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography

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.

Kapsamlı İki Boyutlu Gaz Kromatografisi ile Toplanan Veriler için Şablon Eşleştirmeye Göre Kromatografik Parmak İzi

Data processing and evaluation are critical steps of comprehensive two-dimensional gas chromatography (GCxGC), particularly when coupled to mass ...

chromatographic-fingerprinting-template-matching-for-data-collected

Research

JoVE Journal

Chemistry

4.7K Görüntüleme.  Università degli Studi di Torino. 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.

Video: Chromatographic Fingerprinting by Template Matching for Data Collected by Comprehensive Two-Dimensional Gas Chromatography

Quantitative Detection of Trace Explosive Vapors by Programmed Temperature Desorption Gas Chromatography-Electron Capture Detector

The direct liquid deposition of solution standards onto sorbent-filled thermal desorption tubes is used for the quantitative analysis of trace explosive vapor samples. The direct liquid deposition method yields a higher fidelity between the analysis of vapor samples and the analysis of solution standards than using separate injection methods for vapors and solutions, i.e., samples collected on vapor collection tubes and standards prepared in solution vials. Additionally, the method can account for instrumentation losses, which makes it ideal for minimizing variability and quantitative trace chemical detection. Gas chromatography with an electron capture detector is an instrumentation configuration sensitive to nitro-energetics, such as TNT and RDX, due to their relatively high electron affinity. However, vapor quantitation of these compounds is difficult without viable vapor standards. Thus, we eliminate the requirement for vapor standards by combining the sensitivity of the instrumentation with a direct liquid deposition protocol to analyze trace explosive vapor samples.

Trace explosive vapors of TNT and RDX collected on sorbent-filled thermal desorption tubes were analyzed using a programmed temperature desorption system coupled to GC with an electron capture detector. The instrumental analysis is combined with direct liquid deposition method to reduce sample variability and account for instrumentation drift and losses.

Programlı Sıcaklık Sızdırma Gaz Kromatografi-Elektron Yakalama Dedektörü tarafından Trace Patlayıcı Buharlar Nicel Saptanması

The direct liquid deposition of solution standards onto sorbent-filled thermal desorption tubes is used for the quantitative analysis of trace explosive ...

Kimya

On-line Analysis of Nitrogen Containing Compounds in Complex Hydrocarbon Matrixes

The shift to heavy crude oils and the use of alternative fossil resources such as shale oil are a challenge for the petrochemical industry. The composition of heavy crude oils and shale oils varies substantially depending on the origin of the mixture. In particular they contain an increased amount of nitrogen containing compounds compared to the conventionally used sweet crude oils. As nitrogen compounds have an influence on the operation of thermal processes occurring in coker units and steam crackers, and as some species are considered as environmentally hazardous, a detailed analysis of the reactions involving nitrogen containing compounds under pyrolysis conditions provides valuable information. Therefore a novel method has been developed and validated with a feedstock containing a high nitrogen content, i.e., a shale oil. First, the feed was characterized offline by comprehensive two-dimensional gas chromatography (GC &#215; GC) coupled with a nitrogen chemiluminescence detector (NCD). In a second step the on-line analysis method was developed and tested on a steam cracking pilot plant by feeding pyridine dissolved in heptane. The former being a representative compound for one of the most abundant classes of compounds present in shale oil. The composition of the reactor effluent was determined via an in-house developed automated sampling system followed by immediate injection of the sample on a GC &#215; GC coupled with a time-of-flight mass spectrometer (TOF-MS), flame ionization detector (FID) and NCD. A novel method for quantitative analysis of nitrogen containing compounds using NCD and 2-chloropyridine as an internal standard has been developed and demonstrated.

A method combining comprehensive two-dimensional gas chromatography with nitrogen chemiluminescence detection has been developed and applied to on-line analysis of nitrogen containing compounds in a complex hydrocarbon matrix.

Karmaşık Hidrokarbon Matrisler içinde İçeren Bileşiklerin Azot On-line Analizi

The shift to heavy crude oils and the use of alternative fossil resources such as shale oil are a challenge for the petrochemical industry. The ...

A Two-Step Pyrolysis-Gas Chromatography Method with Mass Spectrometric Detection for Identification of Tattoo Ink Ingredients and Counterfeit Products

Tattoo inks are complex mixtures of ingredients. Each of them possesses different chemical properties which have to be addressed upon chemical analysis. In this method for two-step pyrolysis online coupled to gas chromatography mass spectrometry (py-GC-MS) volatile compounds are analyzed during a first desorption run. In the second run, the same dried sample is pyrolyzed for analysis of non-volatile compounds such as pigments and polymers. These can be identified by their specific decomposition patterns. Additionally, this method can be used to differentiate original from counterfeit inks. Easy screening methods for data evaluation using the average mass spectra and self-made pyrolysis libraries are applied to speed up substance identification. Using specialized evaluation software for pyrolysis GS-MS data, a fast and reliable comparison of the full chromatogram can be achieved. Since GC-MS is used as separation technique, the method is limited to volatile substances upon desorption and after pyrolysis of the sample. The method can be applied for quick substance screening in market control surveys since it requires no sample preparation steps.

This method for two-step pyrolysis online coupled to gas chromatography with mass spectrometric detection and data evaluation protocol can be used for multi-component analysis of tattoo inks and discrimination of counterfeit products.

Dövme mürekkebi maddeleri ve taklit ürünlerin tanımlanması için kütle spektrometrik tespiti ile Iki adımlı Pyrolysis-Gas Kromatografi yöntemi

Tattoo inks are complex mixtures of ingredients. Each of them possesses different chemical properties which have to be addressed upon chemical analysis. ...

Qualitative Characterization of the Aqueous Fraction from Hydrothermal Liquefaction of Algae Using 2D Gas Chromatography with Time-of-flight Mass Spectrometry

Two-dimensional gas chromatography coupled with time-of-flight mass spectrometry is a powerful tool for identifying and quantifying chemical components in complex mixtures. It is often used to analyze gasoline, jet fuel, diesel, bio-diesel and the organic fraction of bio-crude/bio-oil. In most of those analyses, the first dimension of separation is non-polar, followed by a polar separation. The aqueous fractions of bio-crude and other aqueous samples from biofuels production have been examined with similar column combinations. However, sample preparation techniques such as derivatization, solvent extraction, and solid-phase extraction were necessary prior to analysis. In this study, aqueous fractions obtained from the hydrothermal liquefaction of algae were characterized by two-dimensional gas chromatography coupled with time-of-flight mass spectrometry without prior sample preparation techniques using a polar separation in the first dimension followed by a non-polar separation in the second. Two-dimensional plots from this analysis were compared with those obtained from the more traditional column configuration. Results from qualitative characterization of the aqueous fractions of algal bio-crude are discussed in detail. The advantages of using a polar separation followed by a non-polar separation for characterization of organics in aqueous samples by two-dimensional gas chromatography coupled with time-of-flight mass spectrometry are highlighted.

A two-dimensional gas chromatography-time-of-flight mass spectrometry method is described for characterization of the aqueous fraction of bio-crude produced from hydrothermal liquefaction of algae. This protocol can also be employed to analyze the aqueous fraction of liquid products from fast pyrolysis, catalytic fast pyrolysis, catalytic deoxygenation and hydro-treating.

Zaman-of-flight Kütle Spektrometre ile 2D Gaz Kromatografisi Kullanarak Alg Hidrotermal Sıvılaşma gelen Sulu Kesir Nitel Karakterizasyonu

Two-dimensional gas chromatography coupled with time-of-flight mass spectrometry is a powerful tool for identifying and quantifying chemical components in ...

Biyomühendislik

Nitrogen Compound Characterization in Fuels by Multidimensional Gas Chromatography

Certain nitrogen-containing compounds can contribute to fuel instability during storage. Hence, detection and characterization of these compounds is crucial. There are significant challenges to overcome when measuring trace compounds in a complex matrix such as fuels. Background interferences and matrix effects can create limitations to routine analytical instrumentation, such as GC-MS. In order to facilitate specific and quantitative measurements of trace nitrogen compounds in fuels, a nitrogen-specific detector is ideal. In this method, a nitrogen chemiluminescence detector (NCD) is used to detect nitrogen compounds in fuels. NCD utilizes a nitrogen-specific reaction that does not involve the hydrocarbon background. Two-dimensional (GCxGC) gas chromatography is a powerful characterization technique as it provides superior separation capabilities to one-dimensional gas chromatography methods. When GCxGC is paired with a NCD, the problematic nitrogen compounds found in fuels can be extensively characterized without background interference. The method presented in this manuscript details the process for measuring different nitrogen-containing compound classes in fuels with little sample preparation. Overall, this GCxGC-NCD method has been shown to be a valuable tool to enhance the understanding of the chemical composition of nitrogen-containing compounds in fuels and their impact on fuel stability. The % RSD for this method is &#60;5% for intraday and &#60;10% for interday analyses; the LOD is 1.7 ppm and the LOQ is 5.5 ppm.

Here, we present a method utilizing two-dimensional gas chromatography and nitrogen chemiluminescence detection (GCxGC-NCD) to extensively characterize the different classes of nitrogen-containing compounds in diesel and jet fuels.

Çok Boyutlu Gaz Kromatografisi ile Yakıtlarda Azot Bileşik Karakterizasyonu

Certain nitrogen-containing compounds can contribute to fuel instability during storage. Hence, detection and characterization of these compounds is ...

Gas Chromatography-Mass Spectrometry Paired with Total Vaporization Solid-Phase Microextraction as a Forensic Tool

Gas Chromatography &#8211; Mass Spectrometry (GC-MS) is a frequently used technique for the analysis of numerous analytes of forensic interest, including controlled substances, ignitable liquids, and explosives. GC-MS can be coupled with Solid-Phase Microextraction (SPME), in which a fiber with a sorptive coating is placed into the headspace above a sample or immersed in a liquid sample. Analytes are sorbed onto the fiber which is then placed inside the heated GC inlet for desorption. Total Vaporization Solid-Phase Microextraction (TV-SPME) utilizes the same technique as immersion SPME but immerses the fiber into a completely vaporized sample extract. This complete vaporization results in a partition between only the vapor phase and the SPME fiber without interference from a liquid phase or any insoluble materials. Depending upon the boiling point of the solvent used, TV-SPME allows for large sample volumes (e.g., up to hundreds of microliters). On-fiber derivatization may also be performed using TV-SPME. TV-SPME has been used to analyze drugs and their metabolites in hair, urine, and saliva. This simple technique has also been applied to street drugs, lipids, fuel samples, post-blast explosive residues, and pollutants in water. This paper highlights the use of TV-SPME to identify illegal adulterants in very small samples (microliter quantities) of alcoholic beverages. Both gamma-hydroxybutyrate (GHB) and gamma-butyrolactone (GBL) were identified at levels that would be found in spiked drinks. Derivatization by a trimethylsilyl agent allowed for conversion of the aqueous matrix and GHB into their TMS derivatives. Overall, TV-SPME is quick, easy, and requires no sample preparation aside from placing the sample into a headspace vial.

Total Vaporization Solid Phase Microextraction (TV-SPME) completely vaporizes a liquid sample whilst analytes are sorbed onto a SPME fiber. This allows for partitioning of the analyte between only the solvent vapor and the SPME fiber coating.

Gaz Kromatografisi-Kütle Spektrometresi, Adli Bir Araç Olarak Toplam Buharlaşma Katı Fazlı Mikroextraction ile Eşleştirilmiştir

Gas Chromatography &#8211; Mass Spectrometry (GC-MS) is a frequently used technique for the analysis of numerous analytes of forensic interest, including ...

Gas Chromatography (GC) with Flame-Ionization Detection

Source: Laboratory of Dr. B. Jill Venton - University of Virginia
Gas chromatography (GC) is used to separate and detect small molecular weight compounds in the gas phase. The sample is either a gas or a liquid that is vaporized in the injection port. Typically, the compounds analyzed are less than 1,000 Da, because it is difficult to vaporize larger compounds. GC is popular for environmental monitoring and industrial applications because it is very reliable and can be run nearly continuously. GC is typically used in applications where small, volatile molecules are detected and with non-aqueous solutions. Liquid chromatography is more popular for measurements in aqueous samples and can be used to study larger molecules, because the molecules do not need to vaporize. GC is favored for nonpolar molecules while LC is more common for separating polar analytes.
The mobile phase for gas chromatography is a carrier gas, typically helium because of its&#160;low molecular weight and being chemically inert. Pressure is applied and the mobile phase moves the analyte through the column. The separation is accomplished using a column coated with a stationary phase. Open tubular capillary columns are the most popular columns and have the stationary phase coated on the walls of the capillary. Stationary phases are often derivatives of polydimethylsiloxane, with 5&#8211;10% of the groups functionalized to tune the separation. Typical functional groups are phenyl, cyanopropyl, or trifluoropropyl groups. Capillary columns are usually 5&#8211;50 m&#160;long. Narrower columns have higher resolution but require higher pressures. Packed columns can also be used where the stationary phase is coated onto beads packed in the column. Packed columns are shorter, 1&#8211;5 m. Open tubular capillaries are generally preferred because they allow higher efficiencies, faster analyses, and have higher capacities.
Flame-ionization detection (FID) is a good general detector for organic compounds in GC that detects the amount of carbon in a sample. After the column, samples are burned in a hot, hydrogen-air flame. Carbon ions are produced by the combustion. While the overall efficiency of the process is low (only 1 in 105 carbon ions produce an ion in the flame) the total amount of ions is directly proportional to the amount of carbon in the sample. Electrodes are used to measure the current from the ions. FID is a destructive detector, as the entire sample is pyrolyzed. FID is unaffected by noncombustible gases and water.

Gas Chromatography GC with Flame-Ionization Detection

Source: Laboratory of Dr. B. Jill Venton - University of Virginia
Gas chromatography (GC) is used to separate and detect small molecular weight compounds ...

Education

JoVE Science Education

Analitik Kimya

Gas Chromatography: Introduction

Gas chromatography (GC) is a technique for separating and analyzing volatile compounds in a sample. Its primary purpose is to identify and quantify components in complex mixtures, making it essential in fields such as environmental analysis, pharmaceuticals, and petrochemicals. GC is also called vapor-phase chromatography (VPC) or gas-liquid partition chromatography (GLPC).
In GC,&#160; a sample is vaporized and mixed with an inert carrier gas (the mobile phase), which transports it through a column. The column is packed or coated with a stationary phase, either a liquid or solid material. Compounds in the sample are separated based on their boiling points, and compounds with lower boiling points elute first. The elution order- the sequence in which the compound exits the column- is visible on a chromatogram, where each peak corresponds to a specific compound.
There are two main types of gas chromatography:
1. Gas-liquid chromatography (GLC): In GLC, the stationary phase is a nonvolatile, thermally stable, chemically inert liquid, while the mobile phase is a carrier gas, typically helium. This technique is commonly used to separate compounds based on their boiling points.
&#160; 2. Gas-solid chromatography (GSC): GSC uses solid particulates like diatomaceous earth as the stationary phase and a carrier gas like helium as the mobile phase. GSC is primarily used for permanent gases and small polar molecules not retained by gas-liquid columns due to severe tailing of elution peaks.

Gaz Kromatografisi: Giriş

Gas chromatography (GC) is a technique for separating and analyzing volatile compounds in a sample. Its primary purpose is to identify and quantify ...

JoVE Core

Unit 1

Principles of Chromatography

KEY TERMS AND CONCEPTS

Gas Chromatography&ndash;Mass Spectrometry (GC&ndash;MS)

Gas chromatography&#8211;mass spectrometry (GC&#8211;MS) is the combination of analytical techniques of gas chromatography and mass spectrometry in a single instrument for analyzing a mixture of compounds. The gas chromatograph separates the compounds in the mixture, and the mass spectrometer analyzes each compound separately to determine the molecular masses and molecular structures.
A gas chromatograph consists of a long, narrow capillary column with a polysiloxane coating on the inner wall. The coating material features a high boiling point, low viscosity, and low polarity and functions as the stationary phase of the chromatograph. The analyte is injected into one end of the column and flushed through the column using an inert gas flow as the mobile phase. The boiling point of each compound and its interaction with the stationary phase determines the speed of movement through the column. Consequently, each compound in the mixture reaches the other end of the column at a different time. Eventually, the mass spectrometer connected to the column&#39;s end analyzes each compound separately.

Gas Chromatography&amp;#8211;Mass Spectrometry GC&amp;#8211;MS

Gaz Kromatografisi–Kütle Spektrometresi (GC–MS)

Gas chromatography&#8211;mass spectrometry (GC&#8211;MS) is the combination of analytical techniques of gas chromatography and mass spectrometry in a ...

Kapsamlı İki Boyutlu Gaz Kromatografisi ile Toplanan Veriler için Şablon Eşleştirmeye Göre Kromatografik Parmak İzi

Özet

Daha Fazla Video Keşfet

PLAYLIST