CN102841124B - 用于质谱分析的离子选择优化 - Google Patents
用于质谱分析的离子选择优化 Download PDFInfo
- Publication number
- CN102841124B CN102841124B CN201210203461.XA CN201210203461A CN102841124B CN 102841124 B CN102841124 B CN 102841124B CN 201210203461 A CN201210203461 A CN 201210203461A CN 102841124 B CN102841124 B CN 102841124B
- Authority
- CN
- China
- Prior art keywords
- ion
- analyte
- ions
- analyte ions
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0009—Calibration of the apparatus
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了用于质谱分析的***和方法,具体地涉及用于质谱分析的离子选择优化。在一个实施例中,提出了一种在质谱测试中用于分析物校准的选择靶离子和多个定性特征离子的方法。例如,该方法可以包括:(a)获取该分析物的参考质谱;(b)识别该参考质谱的提取时间窗;(c)在该提取时间窗内提取基质质谱;(d)在多个基质离子中测量噪声值;(e)通过将分析物离子的丰度除以在相应基质离子处的噪声值来计算多个分析物离子的信噪比值;(f)将具有最高信噪比值的分析物离子指定为所述靶离子;和(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子。
Description
技术领域
本发明通常涉及质谱(MS)分析。更具体地,本发明涉及在MS检测中用于特定分析物校准的选择靶离子和多个定性特征离子的方法和***。
背景技术
例如,在气相色谱质谱法(GC/MS)中,典型地在分析物的从柱子洗脱的时间范围内针对靶离子(target ion)和高达三个定性特征离子(qualifier ion),通过形成提取离子色谱图(extracted ion chromatogram,EIC)来识别和定量测定分析物。化合物被认为是存在的,并且被确认,如果满足下列条件:1)在分析物的正确的保留时间,该靶离子和定性特征离子存在色谱响应;2)与该靶离子的响应相比,这些定性特征离子的响应的相对量落在用该分析物的已知标准物进行校准所确定的范围内,如果响应在正确的保留时间并且有正确的响应比率,那么该化合物被认定存在(即,被识别);3)可选地,该化合物的识别通过将该化合物的保留时间处的整个质谱与库参考质谱比较以看它们是否匹配来进一步被确认;和4)对于经认定被识别的化合物,通常随后被进行含量测定。典型地,这种方法是通过将靶离子的响应与响应相对于该化合物的注入量的校准曲线相比较来进行的。该校准曲线是通过以各种已知浓度注入一系列的该分析物的标准溶液来生成的。该方法广泛应用于色谱法与质谱分析法联用执行分析的所有形式中。它被用于在全扫描模式或单个离子监视(SIM)模式中搜集的数据。
对于在特定分析物的保留时间处不存在从GC柱洗脱的干扰化合物的样品,上述方法非常有效。然而,当其他化合物(干扰物)洗脱足够接近分析物以至于它们的色谱图曲线重叠时,会发生问题。当干扰化合物在与该分析物的靶离子和定性特征离子相同的一个或多个m/z值处具有离子时,也会发生问题。
干扰物还来自几个来源,但是最常见的是在正被分析的样品基质中自然存在的化合物。例如,在新鲜菠菜的农药残留物分析中,存在从分析样品制备期间与杀虫剂一起提取的菠菜植物中大量的自然存在的化合物。这些基质(matrix)化合物对正被分析的某些杀虫剂的检测产生干扰。
发明概述
本文提出了在质谱分析检测中用于分析物校准的选择靶离子和多个定性特征离子的***和方法。例如,在一个实施例中,该方法包括:(a)获取该分析物的参考质谱;(b)识别该参考质谱的提取时间窗;(c)基于该提取时间窗提取基质质谱;(d)在多个基质离子中测量噪声值;(e)通过将分析物离子的丰度除以在相应基质离子处的噪声值来计算多个分析物离子的信噪比;(f)将具有最高信噪比值的分析物离子指定为所述靶离子;和(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子。
附图说明
本文结合的附图构成了本说明书的一部分。与该说明书一起,附图进一步用来解释本发明的原理,以及使得本领域技术人员能够制造和使用所要求保护的***和方法。
图1显示了***的库参考质谱和花生四烯酸的干扰质谱。
图2显示了扩展的图1的质谱区域,以阐述干扰问题。
图3以列表形式显示了图2的信息。
图4显示了***离子的选择如何受到最小离子丰度参数的影响。
图5显示了使用高的质量偏差的效果。
图6显示了使用不同的最小丰度截止值(cutoff)级别的效果。
图7显示了一个例子,其中花生四烯酸仍然为2000ng,而***降低十倍成为0.1ng。
图8显示了***的参考质谱以及背景和柱流失(column bleed)的平均质谱。
图9显示了针对柱流失对***进行优化的结果比较,一种情况是最大的四个离子,另一种情况是25%优化。
图10为用来实施本文所提出的方法的计算机***的示意图。
具体实施方式
本发明提出了对给定的分析物列表选择最优离子的一种快速可靠的手段。没有本发明,选择最优离子的手工操作会是非常大量,冗长并且很可能不精确的。
本文提出了一种在MS检测中用于分析物校准的选择一个靶离子和多个定性特征离子的方法。该方法通常包括:(a)获取分析物的参考质谱;(b)识别该参考质谱的提取时间窗;(c)在该提取时间窗期间提取基质质谱;(d)在多个基质离子中测量噪声值;(e)通过将该分析物离子的丰度除以在相应基质离子处的噪声值来计算多个分析物离子的信噪比;(f)将具有最高信噪比值的分析物离子指定为所述靶离子;和(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子。可以重复步骤(g)(例如,直到三个定性特征离子被选择)。步骤(e)可以进一步包括通过将分析物离子的丰度除以在相应基质离子处的噪声值,并且乘以该基质离子的丰度的平方根来计算多个分析物离子的信噪比值。步骤(a)可以进一步包括处理参考质谱来去除用户指定的最小丰度之下的离子。该最小丰度可以是百分之二十五。步骤(a)可以进一步包括处理参考质谱以去除低于用户指定的质量最小值的离子。该质量最小值丰度为45amu。这些步骤可以用在包括在MS检测中用于分析物校准的选择一个靶离子和多个定性特征离子的质谱分析方法中。
在另一个实施例中,本文提出了用于由GC/MS方法开发者使用的离子选择***和方法。这些***和方法选择在定量数据库(qdb)中用来定量和识别确认的四个离子(靶离子和最多3个的定性特征离子)。基于丰度、干扰程度和质量来选择这些离子。通过选择合适的离子,可以改进该方法的检测限,并且可以减小假阳性和假阴性的发生。如果已经选择了这些qdb离子,那么当分析新的样品类型时可以使用这些***和方法来估算基质干扰的那些离子。
在qdb中使用的离子的选择是GC/MS的方法发展中的非常重要的部分。如果选择了错误的离子,干扰会导致分析物的识别和定量测量的问题。具有最高丰度的离子经常被选择,因为它们给出了最大的灵敏度。还可以选择受到干扰最小的离子,以在基质上给出最大的选择性。这两种需求通常导致相冲突的选择。
选择离子的最简单的方法是采用具有最高丰度的四个离子。尽管在许多情况下这样做有效,但如果离子与诸如柱流失、大气(漏气)或基质成分的背景成分相对应,那么这些离子存在一些问题。为了适当地选择用于qdb的离子,分析物质谱被检查,并且与基质、柱流失和存在的任何其他背景离子的质谱进行比较。然后具有灵敏度和无干扰的最好组合的离子被选择。
本文讨论的***和方法提出了一种使用由用户输入的参数的自动离子选择装置,基于将要进行分析的预期的样品类型这些参数反映了用户的喜好。用户通过加载要在数据分析期间被优化的该方法来开始。加载的方法必须具有在定量数据库中作为校准峰(calpeak)被输入的分析物。校准峰在位于数据库目录下的方法参考质谱库(.L)中应该有一个参考质谱。然后用户加载一个用该方法运行的数据文件,它是空白的基质或是没有(或几乎没有)分析物的基质样品。如果数据文件是空白运行的,那么宏可以对离子进行优化,以使来自背景离子和流失的干扰最小化。如果数据文件为基质的样品(没有分析物),那么可以选择这些离子以使来自背景离子、流失和基质化合物的干扰最小化。一旦加载了该方法和数据文件,会要求用户输入用于优化的相关参数。它们包括最小丰度和最小质量,这些参数对于将被选择的离子来说是可接受的。
优化过程
单个校准峰的优化过程如下:
1.从.L库取出校准峰的参考质谱。
2.仅使用比用于优化的用户指定的最小丰度(例如25%)更大并且比质量最小值(例如45amu)更大的分析物离子来制作参考质谱的拷贝。这些是有资格参与优化的离子。该质谱被规范为10,000。
3.在校准峰提取时间窗内从基质数据文件提取每一个合格的m/z的离子色谱(EIC)。测量EIC的噪声。每个合格的分析物离子的丰度(abd)除以在该m/z处的基质噪声得到信噪比(S/N)值。作为一种选择,S/N值进一步与m/z的平方根相乘,这有利于高质量离子。
4.候选离子从最高S/N值到最低S/N值排列,并且最高的四个离子按照降序排列分别用于靶(T)、第一定性特征离子(Q1)、第二定性特征离子(Q2)和第三定性特征离子(Q3),其中将具有最好S/N值的离子作为靶离子。具有最好S/N值的离子也在基质上具有最佳选择性。
5.如果存在四个有资格的、以S/N值排序的离子,那么它们被用来代替在qdb中的那些离子。
6.随着新的估算响应,将最优离子加载到qdb。通过将旧响应乘以新的靶离子的abd再除以旧的靶离子的abd来计算得到估算响应。当重新校准新方法时,该新的响应被替换,但是估算可以用于不会立即执行重新校准的筛选方法。
7.如果存在少于四个合格的、以S/N值排序的离子,那么剩余的离子将从原始的四个qdb离子中选取。从原始的四个qdb离子选取的离子要在质量截止值和用户为Q3指定的最小abd之上。如果在原始的四个离子中没有离子符合这些标准,那么是用任何可用的离子作为Q2而Q3为空。
8.在不能进行优化的那些情况下(例如少于两个定性特征离子),检查四个原始qdb离子,并且如果Q3小于质量截止值或用户为Q3指定的最小abd,则去除Q3。
因为本发明如此快速地选择用于方法的最优离子,所以有可能为每个基质类型选择独立的一组离子。例如,实验室运行的大量杀虫剂扫描方法可以具有分别针对菠菜、胡萝卜、苹果等进行优化的独立的方法,而没有本发明,这就显得不切实际了。
以上描述是将本发明用于GC/MS,但是对于色谱法/MS的其它形式,该方法是相同的。对于GC/MS/MS,选择的最优离子可以用作在方法发展中的前体(precursor)离子。随后的步骤就是选择合适的产品离子和碰撞电压来完成GC/MS/MS方法。
参数选择的通用准则
参数选择的首要考虑是基质的类型,对此期望该方法被优化。如果期望样品具有高基质级别,并且基质化合物的类型(但是,不必要求它们的量)相当稳定,那么使用低的丰度最小值用于优化将是非常有益的,正如在以下***的实例中看到的。10%的优化最小丰度级别是一个好的起始点。这会较好地排斥干扰化合物。然而,如果在这批中的某些样品没有基质干扰,那么在该截止值,选择的离子具有相当低的丰度,并且给出更小的优化S/N值。调整期望的干扰的中间级别是有利的。如果遇到特定污染的样品,也可以创建在更低的截止值被优化的单独的方法,以重新分析数据。
像在橙油中的杀虫剂分析的应用中,干扰是严重的但是相当稳定。这样,降低截止值到非常低的级别(例如3%)是有用的。
对于预期基质相对低和大范围变化的样品,最好使用25%的截止值并应用高的质量偏差。在这样的情况下,只针对空白运行做优化。如果溶剂有尾随进入分析物的时间范围的任何机会,那么在空白中包括溶剂也很好。
当接近最小质量截止值时,不同的分析物具有不同的偏向。质量45是一个好的起始点。对于丰度截止值,在诸如上述橙油的情形下,在发现有用的离子过程中,不采用质量截止值可能是有益的。
由于可能很难找到一个不含分析物的单独的基质色谱来表现一种方法中可能遭遇的所有干扰,该方法可以针对多个色谱同时优化。可以使用最多五个色谱。每个离子使用来自该五个色谱的平均信噪比来优化。该方法减慢计算时间,但是在降低基质干扰中的变化性的影响方面是有益的。例如,如果构想一种用于草莓中杀虫剂的方法,那么使用来自几种不同类型的草莓的基质空白运行将是有利的。作为参考,在25%的截止值,对于单个色谱的计算时间大约为0.25秒/校准峰。对于具有600种化合物的qdb,针对五种色谱的优化可能花费5分钟或更多的计算时间。
计算机实现
在一个实施例中,本发明指的是能够执行本文描述的功能的一个或多个计算机***。例如,图10为用于执行本文提出的方法的计算机***1000的示意图。计算机***1000包括一个或多个诸如处理器1004的处理器。处理器1004连接到通信基础设施1006(例如通信总线、交换器(cross-over bar)或网络)。计算机***1000包括从通信基础设施1006(或从未示出的帧缓存器)转发在本地或远程显示单元1030上显示的图片、文本或其它数据的显示接口1002。
计算机***1000还包括诸如随机存取存储器(RAM)的主存储器1008,还可以包括次存储器1010。例如,该次存储器1010可以包括硬盘驱动器1012和/或可移动存储驱动器1014,其表现为软盘驱动器、磁带驱动器、光盘机、闪存器装置等。可移动存储驱动器1014从可移动存储单元1018读取或向其写入。可移动存储单元1018表现为可以由可移动存储驱动器1014读取和写入的软盘驱动器、磁带驱动器、光盘机、闪存器装置等。应理解的是,可移动存储单元1018包括在其中存储有计算机软件、指令和/或数据的计算机可用存储介质。
在可替代实施例中,次存储器1010可以包括允许计算机程序或其它指令加载在计算机***1000的其他类似装置。例如,这样的装置可以包括可移动存储单元1022和接口1020。这样的实例可以包括程序卡盒和卡盒接口(例如在视频游戏装置中所使用的卡盒)、可移动存储器芯片(例如可擦除可编程只读存储器(EPROM)或可编程只读存储器(PROM))和相关插件、和其他可移动存储器单元1022和接口1020,其允许计算机软件、指令和/或数据从可移动存储单元1022传送到计算机***1000。
计算机***1000还可以包括通信接口1024。通信接口1024允许计算机软件、指令和/或数据在计算机***1000和外部装置之间被传送。通信接口1024的实例还包括调制解调器、网络接口(诸如以太网卡)、通信端口、个人计算机存储卡国际协会(PCMCIA)插槽和卡等。经由通信接口1024传送的软件和数据为能够被通信接口1024接收的电子、电磁、光或其他信号的信号1028的形式。这些信号1028经由通信路径(例如信道)1026提供给通信接口1024。该信道1026承载信号1028,并且可以使用有线或电缆、光纤、电话线、蜂窝链路、无线射频(RF)链路、无线通信链路和其他通信信道来实现。
在本文中,术语“计算机可读存储介质”、“计算机程序介质”和“计算机可用介质”通常被用来指如下介质:诸如可移动存储驱动器1014、可移动存储单元1018、1022,经由通信接口1024发射的数据,和/或安装在硬盘驱动器1012中的硬盘。这些计算机程序产品提供计算机软件、指令和/或数据到计算机***1000。本发明的实施例指的就是这样的计算程序产品。
计算机程序(也指计算机控制逻辑)存储在主存储器1008和/或次存储器1010上。计算机程序可以经由通信接口1024接收。当执行这样的计算机程序时,这些程序使得计算机***1000发挥如上所述本发明的特性。具体地,当被执行时,这些程序使得处理器1004执行如上所述方法。因此,这样的计算机程序表现为计算机***1000的控制器。合适时,处理器1004、相关组件和等效***和子***充当执行选择操作和功能的“装置”。
在本发明使用软件实现的实施例中,软件可以存储在计算机程序产品中,并且使用可移动存储驱动器1014、接口1020、硬盘驱动器1012或通信接口1024被加载到计算机***1000中。当由处理器1004执行时,控制逻辑(软件)使得处理器1004实现本文所述的功能和方法。
在另一个实施例中,例如,方法主要在使用诸如专用集成电路(ASIC)的硬件组件的硬件中实现。为了执行本文所述的功能和方法的硬件状态机器的实现对于相关领域的技术人员来说是显而易见的。在另外一个实施例中,使用硬件和软件的组合来实现这些方法。
本发明的实施例也可以以在机器可读介质上存储的指令来实现,这些指令可以由一个或多个处理器读取和执行。机器可读介质可以包括用于存储或发射以机器可读的形式存在的信息的任何机构(例如,计算装置)。例如,机器可读介质可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储器,光存储器,闪存装置,电、光、声或其它形式的传播信号(例如,载波、红外信号、数字信号等),以及其它。进一步,固件、软件、例行程序、指令在本文可描述为执行某些动作。然而,应当理解这样的描述仅仅是为了方便,并且实际中这样的动作是通过计算装置、处理器、控制器或其它执行固件、软件、例行程序和指令等的装置来达到的。
例如,在一个实施例中,提出了一种在MS检测中用于分析物校准的选择一个靶离子和多个定性特征离子的计算机可读存储介质,其包括可由至少一个处理装置执行的指令,当执行时,使得该处理装置:(a)获取分析物的参考质谱;(b)识别该参考质谱的提取时间窗;(c)在该提取时间窗内提取基质质谱;(d)在多个基质离子中测量噪声值;(f)将具有最高信噪比值的分析物离子指定为所述靶离子;和(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子。可以选择三个定性特征离子。在一个实施例中,多个分析物离子的信噪比值可通过将分析物离子的丰度除以在相应基质离子处的噪声值,并且与分析物离子的m/z的平方根相乘来计算。在另一个实施例中,计算机可读存储介质进一步包括由至少一个处理装置执行的指令,当执行时,使得该处理装置处理该参考质谱以去除低于用户指定的最小丰度的离子。最小丰度可以是百分之二十五。在另一个实施例中,计算机可读存储介质进一步包括可由至少一个处理装置执行的指令,当执行时,使得该处理装置处理该参考质谱以去除低于用户指定的质量最小值的离子。质量最小丰度可为45amu。
实例
实例1:具有花生四烯酸干扰的***
在毒理学筛检中使用的血液提取物中通常含有干扰物质脂肪酸。一个干扰例子是花生四烯酸与***的干扰。图1显示了***的参考质谱和在花生四烯酸中***提取时间范围内的平均质谱。在qdb中原始的四个离子被标记。这些离子被选择,因为它们是在参考质谱中最大的四个离子。
图2显示了为阐述干扰问题而扩展的这些质谱区域。很清楚,在图2中,四个原始离子中的三个会有干扰问题。只有离子182看起来相对地没有干扰。
图3显示了表格形式的信息,其中顶端的20个离子按照abd排序。同样在图3中示出的还有在每个***离子的提取时间窗内测量的干扰噪声。最右栏是***丰度除以干扰噪声(S/N比值)。最右栏直接显示具有最小干扰(即,最高信噪比)的离子。可能考虑只选取具有最高选择性的四个离子。然而,离子272仅具有7.5%的丰度。尽管它对于该基质是非常好的选择,但其可能不适于更洁净的基质。
图4显示了受到最小离子丰度参数影响的***离子的选择。在质量42和96之间的直线表示25%的最小丰度截止值。当最小丰度参数被设置为25%时,仅在该直线之上的离子有资格优化。为25%优化而选定的靶离子和定性特征离子也被显示。注意,离子42被显示为“出”,因为在这种情况下,最小质量被设置为45amu,使得该离子没有资格优化。
如果最小丰度截止值下降到10%,那么在该直线之上所有的离子(除了42之外)都有资格优化。在这种情况下,选择的靶离子和定性特征离子被显示。注意到,利用更低的丰度截止值,就有可能找到具有更好的S/N值的更多的离子。
在质量68和67之间的直线标明7%的截止值级别。注意,具有更好S/N值和选择性的两个以上的离子被识别。
图5显示了当使用高的质量偏差时发生的事情。左起第五栏为质量的平方根。启用高的质量偏差时,每个离子的选择性与质量的平方根相乘。该新的高的质量偏差S/N值在栏6中列出。只由S/N值选择的离子被示出,并且用高的质量偏差而选择的离子也被示出。在该具体实例中,高的质量偏差不会改变选择的离子,因为它没有改变最好的四个离子的得分顺序。
为了证明在色谱性能上不同的最小丰度截止值的效果,每微升中包括1ng的***和2000ng的花生四烯酸的混合物被注入。其结果显示在图6中。
当优化最小丰度截止值从25%下降到7%时,选择的离子变得更小,但是具有更高的S/N值,并且在基质上具有更多的选择。7%为不同寻常的小丰度,这允许测试许多更合格的离子以察看是否存在任何更清晰的离子。注意,使用7%的截止值,选择的离子更少地受到干扰的影响,并且对于数据审阅者更容易找到靶离子和定性特征离子。对于积分器也更容易得到用于该区域的正确值,因为基线更平并且S/N值更高。
既然SIM/扫描是可用的,那么选择具有最高S/N值和选择性的离子是重要的。图7显示了花生四烯酸仍然为2000ng的样品,但是***降低了10倍成为0.1ng。该分析以SIM模式运行。当然,用SIM提高了在电子噪声上的S/N比值。然而,在这种情况下,S/N值由来自花生四烯酸干扰的化学噪声限定。
使用在图7顶部显示的最大的四个离子,在Q2和Q3的***响应消失在化学噪声中。靶(82)也在某种程度面临被整合。
选择具有7%优化的离子使得其更容易可视化并且对峰进行积分。当然,如果大的花生四烯酸峰空缺,那么其他离子的S/N值将更好。
实例2:针对柱流失和背景优化***
图8的顶端显示了***的参考质谱。底部为来自空白运行的背景和流失的***提取窗口内的平均质谱。该柱相是DB-35ms。来自流失离子和背景离子的质谱干扰看起来不太严重。针对具有25%最小丰度截止值和m/z 45质量截止值的流失来优化方法。其结果显示在图9中。该优化提高了S/N值,其中替换了原始四个离子中的三个。
结论
为了阐述和描述的目的,已经展现了本发明的前述内容。这并不是本发明的全部,或要将本发明限制于所公开的精确形式。按照以上教导,其他的改变和变化是可能的。选择和描述的实施例是为了最好地解释本发明的原理和它的实际应用,并且使本领域其他技术人员按照预期的特定用途以各种实施例和各种变化来最好地利用本发明。其目的在于让附带的权利要求被解释为包括本发明的其他可替代的实施例;其中包括等效结构、成分、方法和装置。
除非另外定义,本文使用的所有的科技术语具有与本发明所述的领域的技术人员的通常理解的相同含义。
应当理解,为了清楚而在各自实施例的内容中描述的本发明的某些特征也可以在单个实施例中的组合形式来提供。相反地,为了简洁而在单个实施例的内容中描述的本发明的不同特征还可以独立地,或者以任何合适的子组合来提供。这些实施例的所有组合明确地被本发明包含,并且在本文被公开,就好像每个组合是独立并明确地被公开到这样的组合包含可操作的方法和/或装置/***/软件包的程度。
正如对本领域技术人员显而易见的,一旦阅读本申请,本文描述和阐述的每一个单独的实施例具有独立成份和特征,这些特征可以很容易地从不脱离本发明的范围或精神的任何其他几个实施例的特征分离或者组合而成。任何叙述的方法可以以叙述的事件的顺序或以逻辑上可能的其他顺序来执行。
应当理解,具体实施例部分而不是概述和摘要部分是用来解释权利要求的。概述和摘要部分可以阐明一个或一个以上的实施例,但不是如发明人设想的本发明的所有的示例性实施例,因此这些部分并不是为了以任何方式来限制本发明和附带的权利要求。
Claims (10)
1.一种在质谱测试中用于分析物校准的选择靶离子和多个定性特征离子的方法,该方法包括:
(a)获取该分析物的参考质谱;
(b)识别该参考质谱的提取时间窗;
(c)在该提取时间窗内提取基质质谱;
(d)在多个基质离子中测量噪声值;
(e)通过将分析物离子的丰度除以在相应基质离子处的噪声值来计算多个分析物离子的信噪比值;
(f)将具有最高信噪比值的分析物离子指定为所述靶离子;和
(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子。
2.如权利要求1所述方法,进一步包括:
(h)重复步骤(g)直到三个定性特征离子被选择。
3.如权利要求1所述方法,其中,步骤(e)进一步包括通过将所述分析物离子的丰度除以在相应基质离子处的噪声值,再与所述分析物离子的m/z平方根相乘来计算多个分析物离子的信噪比值。
4.如权利要求1所述方法,其中,步骤(a)进一步包括:
处理所述参考质谱,以去除低于用户指定的最小丰度的离子。
5.如权利要求4所述方法,其中,所述最小丰度为百分之二十五。
6.如权利要求1所述方法,其中,步骤(a)进一步包括:
处理所述参考质谱,以去除低于用户指定的质量最小值的离子。
7.如权利要求6所述方法,其中,所述质量最小值为45amu。
8.一种在质谱测试中用于分析物校准的选择靶离子和多个定性特征离子的装置,所述装置包括:
(a)获取该分析物的参考质谱的模块;
(b)识别该参考质谱的提取时间窗的模块;
(c)在该提取时间窗内提取基质质谱的模块;
(d)在多个基质离子中测量噪声值的模块;
(e)通过将分析物离子的丰度除以在相应基质离子处的噪声值来计算多个分析物离子的信噪比值的模块;
(f)将具有最高信噪比值的分析物离子指定为所述靶离子的模块;和
(g)将具有下一个最高信噪比值的分析物离子指定为定性特征离子的模块。
9.如权利要求8所述装置,其中,三个定性特征离子被选择。
10.如权利要求8所述装置,其中,所述计算多个分析物离子的信噪比值的模块进一步包括通过将所述分析物离子的丰度除以在相应基质离子处的噪声值,再与所述分析物离子的m/z平方根相乘来计算多个分析物离子的信噪比值的模块。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/160,714 | 2011-06-15 | ||
US13/160,714 US20120318970A1 (en) | 2011-06-15 | 2011-06-15 | Ion selection optimization for mass spectrometry |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102841124A CN102841124A (zh) | 2012-12-26 |
CN102841124B true CN102841124B (zh) | 2016-12-21 |
Family
ID=47352938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210203461.XA Active CN102841124B (zh) | 2011-06-15 | 2012-06-15 | 用于质谱分析的离子选择优化 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120318970A1 (zh) |
CN (1) | CN102841124B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014014279A1 (ko) * | 2012-07-17 | 2014-01-23 | 서울대학교 산학협력단 | 질량 스펙트럼의 재현성 향상 방법 및 이를 이용한 정량 분석 방법 |
GB201500377D0 (en) | 2015-01-09 | 2015-02-25 | Micromass Ltd | Lock mass using chromatographic peaks |
GB2552841B (en) * | 2016-08-12 | 2020-05-20 | Thermo Fisher Scient Bremen Gmbh | Method of calibrating a mass spectrometer |
JP2023527062A (ja) | 2020-05-26 | 2023-06-26 | エフ. ホフマン-ラ ロシュ アーゲー | 定量器-確認器比チェックのために顧客質量分析機器を較正するためのコンピュータ実装方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器***和用于处理ms与其它数据的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0609253D0 (en) * | 2006-05-10 | 2006-06-21 | Micromass Ltd | Mass spectrometer |
US20080073499A1 (en) * | 2006-07-25 | 2008-03-27 | George Yefchak | Peak finding in low-resolution mass spectrometry by use of chromatographic integration routines |
-
2011
- 2011-06-15 US US13/160,714 patent/US20120318970A1/en not_active Abandoned
-
2012
- 2012-06-15 CN CN201210203461.XA patent/CN102841124B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器***和用于处理ms与其它数据的方法 |
Non-Patent Citations (1)
Title |
---|
Steven J. Lehotay等.Identification and confirmation of chemical residues in food by chromatography-mass spectrometry and other techniques.《Trends in Analytical Chemistry》.2008,第27卷(第11期),第1070-1090页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102841124A (zh) | 2012-12-26 |
US20120318970A1 (en) | 2012-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vowinckel et al. | Cost-effective generation of precise label-free quantitative proteomes in high-throughput by microLC and data-independent acquisition | |
Colangelo et al. | Review of software tools for design and analysis of large scale MRM proteomic datasets | |
CN103534578B (zh) | 确定样本中存在的成分的光谱装置以及方法 | |
Gika et al. | A QC approach to the determination of day-to-day reproducibility and robustness of LC–MS methods for global metabolite profiling in metabonomics/metabolomics | |
US7970755B2 (en) | Test execution of user SQL in database server code | |
JP4704034B2 (ja) | クロマトグラフィ/分光測定データの解析でデータビンニングを用いる方法 | |
CN102841124B (zh) | 用于质谱分析的离子选择优化 | |
CN109187614B (zh) | 基于核磁共振和质谱的代谢组学数据融合方法及其应用 | |
CN103261883B (zh) | 自动控制用于定量样本分析的分离和检测过程的多个设备的控制*** | |
CN104170052A (zh) | 用于改进的质谱分析法定量作用的方法和装置 | |
CN101832977A (zh) | 一种卵巢肿瘤血清标志物 | |
Mattoli et al. | Mass spectrometry‐based metabolomic analysis as a tool for quality control of natural complex products | |
Zhang et al. | High-throughput analysis of fluorescently labeled N-glycans derived from biotherapeutics using an automated LC-MS-based solution | |
JP4317083B2 (ja) | 質量分析方法及び質量分析システム | |
CN114783539A (zh) | 一种基于光谱聚类的中药成分分析方法及*** | |
US11841373B2 (en) | Information processing apparatus, method for controlling information processing apparatus, and program | |
WO2018174891A1 (en) | Quantitative targeted metabolomic analysis based on the mixture of isotope-and nonisotope-labeled internal standards | |
CN113567605A (zh) | 质量色谱图的自动化解释模型构建方法、装置和电子设备 | |
Colangelo et al. | Development of a highly automated and multiplexed targeted proteome pipeline and assay for 112 rat brain synaptic proteins | |
JP5315025B2 (ja) | スペクトル解析および表示 | |
CN108287200A (zh) | 质谱参照数据库的建立方法及基于其的物质分析方法 | |
CN112180056A (zh) | 一种基于稀土元素检测的酱香型白酒溯源方法及*** | |
CN101231270A (zh) | 清开灵注射液中间体及成品中指标成分含量的测定方法 | |
CN111474124B (zh) | 一种基于补偿的光谱波长选择方法 | |
KR20200046991A (ko) | 바이오마커 동정을 위한 대사체 데이터 자동 분석 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |