CN102798684A - 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法 - Google Patents

一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法 Download PDF

Info

Publication number
CN102798684A
CN102798684A CN2011101330611A CN201110133061A CN102798684A CN 102798684 A CN102798684 A CN 102798684A CN 2011101330611 A CN2011101330611 A CN 2011101330611A CN 201110133061 A CN201110133061 A CN 201110133061A CN 102798684 A CN102798684 A CN 102798684A
Authority
CN
China
Prior art keywords
ion
peak
sample
gas chromatography
mass spectrum
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.)
Granted
Application number
CN2011101330611A
Other languages
English (en)
Other versions
CN102798684B (zh
Inventor
许国旺
李勇
阮强
路鑫
林晓惠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Dalian Institute of Chemical Physics of CAS
Original Assignee
Dalian University of Technology
Dalian Institute of Chemical Physics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology, Dalian Institute of Chemical Physics of CAS filed Critical Dalian University of Technology
Priority to CN201110133061.1A priority Critical patent/CN102798684B/zh
Publication of CN102798684A publication Critical patent/CN102798684A/zh
Application granted granted Critical
Publication of CN102798684B publication Critical patent/CN102798684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种保留时间锁定-气相色谱-四极杆质谱-选择性离子扫描进行化学轮廓分析的方法,首先采用气相色谱-质谱全扫描方法分析质量控制样品,采用质谱自动去卷积和峰识别系统对获得的全扫描信息进行质谱去卷积和峰识别,从AMDIS的结果文件中提取识别的化合物所对应的色谱保留时间信息,并根据该信息对不同保留时间的色谱峰进行分组;然后从原始数据文件中提取质谱信息,进行特征离子选定。建立保留时间锁定的GC-MS方法并对待分析的所有样品在该方法下进行选择离子检测。本发明使得采用气相色谱-质谱得到的化学轮廓分析数据的可靠性、有效性和可操作性得到提高。本方法也可推广到以液相色谱-质谱为基础的化学轮廓分析。

Description

一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法
技术领域
本发明涉及分析化学领域,是一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描进行化学轮廓分析的新方法。 
背景技术
化学轮廓(指纹)是指采用某种分析技术得到能够表示含复杂成分样本的化学特征的轮廓图谱(通常为色谱、色谱/质谱或光谱图)。化学轮廓方法是一种全面的、可量化的分析手段。常用化学轮廓分析方法包括气相色谱法(GC)、高效液相色谱法(HPLC)和高效毛细管电泳法(HPCE)等色谱法以及紫外光谱法(UV)、红外光谱法(IR)、色谱-质谱联用方法、核磁共振法(NMR)等。其中最广泛使用的为色谱法和色谱-质谱联用技术方法。目前,化学轮廓(指纹)方法已广泛应用于天然药物药效成分的筛选,中药和天然产物化学质量控制和评价以及代谢组学研究,并已发挥了重要作用。 
在化学轮廓分析中,尽可能全面可靠的获取批量样本的化学指纹并尽可能简单、有效地对不同分析样本(组)之间的指纹信息进行提取分析是分析化学工作者所追求的目标。 
目前,在以气相色谱-质谱为基础的化学轮廓分析中,通常采用全扫描的模式获取所有样本的化学轮廓(指纹),再进行不同样品间的色谱峰匹配和多变量分析。由于待分析样品中化合物的浓度分布可能相差几个数量级,因此经常会出现部分化合物由于浓度过高,响应已经超出了线性(或单调)上限,同时也存在部分化合物由于浓度太低,响应值低于线性下限的情况。上述情况对于全扫描的轮廓分析是不可避免的。此外,由于气相色谱-质谱分析中质谱离子源通常采用的是电子轰击电离(EI)模式,这种模式虽然可以获得丰富的化合物离子信息,有利于建立统一标准,方便化合物定性,但会使得以全扫描离子通道为基准的不同样本之间的色谱峰匹配变得十分复杂和冗余。而采用总离子流色谱图进行峰面积定量和峰匹配则会由于色谱峰重叠造成化合物信息的损失和定量准确性的影响。如果采用质谱去卷积定性后的结果进行峰匹配,则会由于每个样本中定性结果的差异造成峰匹配结果的更大误差。 
本发明首先对QC样本进行GC-MS全扫描分析。并采用AMDIS软件 进行去卷积峰识别,确定轮廓分析的目标化合物。通过计算相邻化合物的保留时间,对所有待分析化合物进行分组,并进行组内特征离子的选择。最后将选定的特征离子输入GC-MS选择离子检测方法对所有待分析样品进行分析。气相色谱保留时间锁定方法可以对化合物保留时间的细微飘移进行及时的校正,从而保证了在整个分析过程中化合物保留时间的稳定性。由于采用选择离子检测,对于高浓度化合物,选择响应线性(或单调)的离子进行定量采集,对于低浓度化合物,则选择响应较强的离子进行定量采集,从而扩大了GC-MS仪器对不同浓度化合物的定量分析范围。由于每个化合物只有对应的一个定量离子,通过编辑定量积分表,可以使所有样品中被定量分析的化合物按照固定顺序进行积分并给出结果,使得该方法不需要色谱峰匹配。 
发明内容
本发明的目的在于建立一种基于保留时间锁定气相色谱-四极杆质谱的选择性离子检测靶标轮廓分析的方法。该方法相对于传统的全扫描轮廓分析方法具有灵敏度高、定量准确、数据结构简单、线性范围好,用于批量样本分析时无需峰匹配等优点。 
为实现上述目的,本发明采用的技术方案如下: 
一种基于气相色谱-质谱的选择离子检测化学轮廓分析的方法,采用气相色谱-质谱全扫描模式对QC样本进行数据采集,AMDIS软件对QC样本进行峰识别;然后对所提取的色谱峰进行分组和特征离子选定,建立化学轮廓分析的选择离子检测方法,并应用于实际样本分析。 
具体步骤(附图1)如下, 
1)制作QC样本:根据实际需要,分别从每个欲进行轮廓分析的样本中准确称量或移取等量样本并均匀混合成一个大的样本,即QC样本; 
2)QC样本气相色谱-质谱全扫描指纹数据的获取:针对特定的样品和分析目标,对QC样本进行样品处理,并进行气相色谱-质谱全扫描分离分析。 
3)QC样本的气相色谱-质谱全扫描色谱图峰识别:将获得的QC样本原始数据文件导入AMDIS软件(v.2.62或其它版本均可),进行峰识别。去卷积和峰识别参数为:component width设定值为20,adjacent peaksubtraction,resolution,sensitivity,shape requirement等参数分别设置为two,high,low,medium等。对峰识别结果进行检查,去除重复识别结果。 
4)删除重复识别的数据(具有完全相同的质谱扫描)。 
5)分组:从结果文件中提取所识别色谱峰的保留时间信息。并根据保留时间信息对所识别的化合物进行保留时间分组,用于选择离子检测。分组的具体操作如下:寻找两个相邻色谱峰之间前一色谱峰结束时间和后一 色谱峰起始时间相差大于0.1min(可以根据实际情况修改)的时间窗口。分组节点定义为: 
Ti+1=Tend x+(Tini x+1-Tend x)×0.5 
式中,Ti+1为第i+1组的起始时间(也即第i组的结束时间),Tend x为第x个色谱峰的结束时间,Tini x+1为第x+1个色谱峰的起始时间。 
6)组内特征离子的选择: 
确定分组后,分别提取组内色谱峰的质谱定量信息,对于不存在重叠的色谱峰,选取绝对值小于阈值(Agilent 5975仪器通常选100000)的3个丰度最大的质谱离子作为定量离子。对于存在重叠的某个特定色谱峰,通过计算其质谱碎片的特征值,找出其相应的特征质谱离子碎片。其中,特征值的计算公式如下(公式1,公式2): 
S a i m ≈ 1 - I t R b m - I t R a m × e - 4.5 ( t R b - t R a t R a i - t R a ) 2 I t R a m - I t R b m × e - 4.5 ( t R b - t R a t R b t - t R b ) 2 ( t R a > t R b ) - - - ( 1 )
S a t m &ap; 1 - I t R b m - I t R a m &times; e - 4.5 ( t R b - t R a t R a t - t R a ) 2 I t R a m - I t R b m &times; e - 4.5 ( t R b - t R a t R b i - t R b ) 2 ( t R a < t R b ) - - - ( 2 )
式中, 
Figure BDA0000062835120000033
和 
Figure BDA0000062835120000034
分别为离子通道m中色谱峰a在峰首和峰尾侧的特征值, 
Figure BDA0000062835120000035
和 
Figure BDA0000062835120000036
代表离子通道m中峰a和峰b的峰顶质谱响应强度。 
Figure BDA0000062835120000037
分别为峰a和峰b起始、顶点和结束保留时间。将特征值大于0.8的离子输出,作为特征离子。每个化合物选取两个特征离子(一个备用)。 
将选取的特征离子作为化合物的定量分析离子,编入气相色谱-质谱选择离子数据采集方法中。
7)重复性:重复分析7份QC样品,并对所有色谱峰进行峰面积重复性计算。对相对标准偏差大于20%的色谱峰进行考察,如确定为特征离子选择不当导致的偏差大,则采用备用特征离子进行更换,并重新考察重复性。 
8)线性响应:以当前分析方法的选取的样品量为基准,分析20%,60%,100%,140%,180%和220%的样品量。将得到的分析结果进行计算,得到每一个色谱峰的线性响应。对线性响应差的离子,采用备用特征离子进行更换,并重新考察线性。 
本发明具有的效果是:解决了传统的色谱-质谱全扫描模式下轮廓分析所面临的灵敏度低、色谱峰重叠影响定量、批量样品的色谱峰匹配困难、质谱响应不在线性范围等问题,使得以气相色谱-质谱为基础的化学轮廓分析的数据可靠性、有效性和可操作性得到提高。 
由于选择离子扫描模式比总离子流扫描模式具有更高的灵敏度,因此可以提高低浓度离子的质谱检测响应。采用选择离子检测,且特征定量离子已经选定,因此不存在采用总离子流积分时所面临的重叠峰问题,可以提高色谱峰定量的准确性。同时该方法得到的数据包含固定数量色谱峰的定量信息,且化合物的定量信息在所有样品中按固定顺序输出,因此该方法不需要进行样品间的色谱峰匹配。 
由于采用选择离子检测,可以在做大批量样本之前对重复性、线性不好的定量离子进行筛查排除,从而保证绝大部分被分析化合物都能准确的测定。 
附图说明
图1RTL-GC-MS选择离子检测靶标轮廓分析的基本流程示意图 
图2选择离子检测和全扫模式得到的提取离子色谱图比较。(a)全扫模式下的总离子流;(b)全扫模式下的提取离子图;(c)选择离子检测模式下的提取离子图。 
图3衍生化葡萄糖在EI条件下主要碎片离子在质谱上响应值随样品浓度(样品量)变化曲线图。(a)、(b)、(c)分别为三种不同情况。(d)图为m/z 319离子与其同位素的响应情况。 
图4选择离子扫描(SIM)与全扫描条件下的提取离子积分(EIC)与总离子流积分(TIC)的重复性比较。 
图5选择离子扫描(SIM)与全扫描条件下的提取离子积分(EIC)与总离子流积分(TIC)的单调响应情况比较。 
图6选择离子扫描(SIM)与全扫描条件下的提取离子积分(EIC)与总离子流积分(TIC)的线性响应情况比较。 
具体实施方式
实施例1 
1.样品采集 
以烤烟样本为例,采集不同产地的烤烟中部烟叶样本共61个,40℃烘烤至恒重。将烟叶分别去梗、粉碎,过四十目筛,以自封塑料袋封存,存于4℃冰箱。 
2.分析方法 
2.1质量控制样本的制作 
从每个烟末样本中分别称量出0.5g,均匀混合,生成一个新的样本, 即质量控制(QC)样本。 
2.2质量控制样本总离子流色谱图的采集 
(1)萃取和衍生:萃取溶剂,水-甲醇-乙腈(3∶1∶1,体积比)。准确称量50mg质量控制样本于5mL玻璃小瓶,加入2mL萃取液在17℃下超声60min。在700g的条件下离心,取上清液450μL移至1.5mL色谱进样小瓶,并加入50μL内标溶液(核糖醇,0.22mg/mL,水溶液),将萃取液冻干。冻干物中加入100μL甲氧胺溶液(吡啶为溶剂,20mg/mL),38℃下反应90min,然后加入80μL MSTFA(N-甲基-N-(三甲基硅烷)三氟乙酰胺),反应30min。衍生后的样品直接进GC-MS分析。 
(2)色谱条件:色谱柱为DB-5MS(50m×0.25mm×0.25μm)。程序升温条件:70℃(停留5min),4℃/min升至290℃(停留15min)。载气,氦气。流速,1.2mL/min。进样量,1μL。 
(3)质谱条件:电子轰击电离(EI);离子源温度,230℃;检测器电压:1047V。 
2.3峰识别 
峰识别采用AMDIS(V.2.62)进行。去卷积参数为:component width设定值为20,adjacent peak subtraction,resolution,sensitivity,shaperequirement等参数分别设置为two,high,low,medium等。运行AMDIS,得到峰识别结果。删除重复识别结果,最终确定识别出332个化合物。 
2.4保留时间分组 
根据峰识别结果,寻找两个相邻色谱峰之间前一色谱峰结束时间和后一色谱峰起始时间相差大于0.1min(可以根据实际情况修改)的时间窗口。分组节点定义为: 
Ti+1=Tend x+(Tini x+1-Tend x)×0.5 
式中,Ti+1为第i+1组的起始时间(也即第i组的结束时间),Tend x为第x个色谱峰的结束时间,Tini x+1为第x+1个色谱峰的起始时间。 
2.5特征离子选定 
确定分组后,利用自编的程序从原始数据中提取出组内色谱峰峰顶的质谱图定量信息。对于某个特定色谱峰,比较其峰顶和前后相邻色谱峰峰顶的质谱定量信息,计算每个离子的特征值,找出其相应的特征质谱离子(公式1,2)。对于没有特征离子的色谱峰,初步选最强响应离子为定量离子。最后根据所选离子的线性响应情况进行调整。 
S a i m &ap; 1 - I t R b m - I t R a m &times; e - 4.5 ( t R b - t R a t R a i - t R a ) 2 I t R a m - I t R b m &times; e - 4.5 ( t R b - t R a t R b t - t R b ) 2 - - - ( 1 )
S a t m &ap; 1 - I t R b m - I t R a m &times; e - 4.5 ( t R b - t R a t R a t - t R a ) 2 I t R a m - I t R b m &times; e - 4.5 ( t R b - t R a t R b i - t R b ) 2 - - - ( 2 )
式中, 
Figure BDA0000062835120000062
和 分别为离子通道m中色谱峰a在峰首和峰尾侧的特征值, 和 
Figure BDA0000062835120000065
代表离子通道m中峰a和峰b的峰顶质谱响应强度。 
Figure BDA0000062835120000067
分别为峰a和峰b起始、顶点和结束保留时间。将特征值大于0.8的离子输出,作为特征离子。每个化合物选取两个特征离子(一个备用)。 
在确定了特征离子和分组情况后,将其输入到GC-MS数据采集方法中,编辑选择离子扫描采集方法。 
2.6灵敏度比较 
比较同一样品在选择离子检测和全扫描两种模式下色谱峰灵敏度(附图2)。从附图2可以看出,选择离子扫描使得色谱峰峰型变好,响应值增高。在附图2所示的5个色谱峰中,采用选择离子扫描得到的色谱峰峰面积相对全扫描模式下提取该离子得到的质量色谱图峰面积分别升高了49%、10%、152%、59%、41%等(附表1)。这主要是因为采用选择离子检测模式后,所选择的离子具有更长的质谱采集时间。而质谱采集时间(对四极杆质谱来说)与灵敏度成正相关。选择性离子检测灵敏度相对全扫描方式的提高,使得待分析样品中低浓度化合物的响应值在不经过样品浓缩的情况下就得到了提高,从而扩大了方法对低浓度化合物的检测范围。 
附表 
附表1SIM与TIC提取离子色谱图的峰面积比较 
Figure BDA0000062835120000068
2.7色谱柱过载和质谱检测器过载 
在生物样品中,不同化合物的浓度差异可能相差几个数量级。部分高 浓度化合物在在大多数化合物浓度很低的情况下,其响应值可能已经超出了线性范围,即发生了过载。过载分为色谱柱过载和检测器过载。气相色谱柱过载时,通常会使色谱峰峰型变宽。在这种情况下,只要检测器响应仍然成线性响应,不会影响定量。当检测器过载时,就算色谱柱没有过载也不能得到正确的定量结果。附图3给出了衍生化后葡萄糖不同碎片离子在全扫描模式下的过载情况。可以看出,不同的碎片离子在质谱检测器上的过载浓度是不一致的(附图3,a、b、c)。因此选择合适的定量离子对于定量分析十分重要。针对生物样品化合物浓度的差异性,我们采用低浓度化合物采用高丰度的质谱碎片作为定量离子,高浓度化合物采用低丰度质谱碎片作为定量离子的策略,尽可能在不改变样品浓度的前提下,使更多的化合物处于线性定量范围。值得注意的是,在EI条件下,如果化合物的某个碎片离子在质谱上过载,那么它的同位素峰也通常是过载的(附图3,d),虽然这些峰的丰度通常要弱很多。因此如果某个离子出现过载情况,应该选择其它响应弱的碎片。 
2.8重复性比较 
分别采用选择离子扫描和全扫描模式重复分析7份QC样品,计算260个色谱峰的峰面积重复性(附图4)。比较选择离子扫描、全扫描下的提取离子质量色谱图积分和总离子流积分三种模式下的重复性数据。结果发现在选择离子检测模式下,在被测试的色谱峰中,有大于30%的峰的峰面积相对标准偏差(RSD)小于5%。只有10%的色谱峰的峰面积RSD大于20%。这个结果明显优于全扫描情况下的提取离子质量色谱图的积分结果和总离子流的积分结果。这说明选择离子模式下得到的色谱峰不但具有较好的色谱积分效果,而且更重要该模式有更高的灵敏度和可靠性。在全扫描模式下,提取离子积分的结果稍好于总离子流积分的结果。原因是提取离子积分时受重叠峰干扰较小,能得到较准确的积分结果。 
2.9响应单调性和线性 
以当前分析方法的样品量为基准,分析20%,60%,100%,140%,180%,220%重量的样品量。对所考察的260个色谱峰的峰面积单调响应和线性响应情况计算。结果发现,采用选择离子检测方式得到的数据中,有164个色谱峰在6个点之间具有单调响应(非参数检验相关系数等于1),明显好于全扫描模式下的提取离子积分和总离子流积分的结果(附图5)。 
同时该方法考察了6个点之间的线性响应情况。结果发现,在考察的260个色谱峰中,采用选择离子检测获得的数据有94个色谱峰(36.1%)的线性相关系数(皮尔森相关系数)大于0.99,而全扫描模式下的提取离子积分和总离子流积分线性相关系数大于0.99的分别只有9个(3.4%)和7个(2.7%)(附图6)。选择离子模式下具有较好的色谱峰峰面积响应单调性 和线性,说明选择离子检测模式下获得的数据具有更好的准确性。 
发明效果总结:本发明公开了一种保留时间锁定-气相色谱-四极杆质谱-选择性离子扫描(RTL-GC-MS-SIM)进行化学轮廓分析的方法。与传统的基于GC-MS全扫描模式分析化学轮廓方法不同,本发明首先采用气相色谱-质谱全扫描对质量控制样品的进行分析,采用质谱自动去卷积和峰识别系统(AMIDS,Automated Mass Spectral Deconvolution and IdentificationSystem)对质量控制样品的全扫描信息进行质谱去卷积和峰识别,从AMDIS的结果文件中提取所识别的化合物所对应的色谱保留时间信息,并根据该信息对不同保留时间的色谱峰进行分组;然后从原始数据文件中提取质谱信息,进行特征离子(即定量离子)选定;将建立的保留时间锁定GC-MS方法对待分析的所有样品在该方法下进行选择离子检测分析。采用本发明方法比传统的色谱-质谱全扫描模式获得化学轮廓分析方法有更高的灵敏度、不受色谱峰重叠影响、适合批量样品的分析并解决了部分化合物质谱响应不在线性范围等问题,使得采用气相色谱-质谱得到的化学轮廓分析数据的可靠性、有效性和可操作性得到提高。同时本方法也可推广到以液相色谱-质谱为基础的化学轮廓分析。 

Claims (7)

1.一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描进行化学轮廓分析的方法,其特征在于:
首先制作质量控制(QC)样本,并采集QC样本的气相色谱-质谱全扫描数据,采用质谱自动去卷积和峰识别系统(AMIDS,Automated MassSpectral Deconvolution and Identification System)对质量控制(QC)样本的气相色谱-质谱全扫描色谱图进行峰识别;然后对所识别的色谱峰(化合物)进行特征离子(定量离子)选定和表征;最后依据选定的分组和其对应的组内特征离子对待分析的所有样品进行保留时间锁定的选择离子扫描,并使用该方法进行实际样品的化学轮廓分析。
2.根据权利要求1所述方法,其特征在于:所述QC样本的气相色谱-质谱全扫描色谱图进行峰识别的具体步骤如下,
1)制作QC样本:分别从所有将进行化学轮廓分析的样本中准确称量或移取等量样本并均匀混合成一个大的样本,即QC样本;
2)气相色谱-质谱全扫描数据的获取:对QC样本进行相应的样品处理,并进行气相色谱-质谱的分离分析。
3)QC样本的气相色谱-质谱全扫描色谱图峰识别:将获得的气相色谱-质谱全扫描原始数据导入AMDIS软件,AMDIS软件版本为2.62或更高,进行去卷积和色谱峰识别。去卷积峰识别参数为:component width设定值为20,adjacent peak subtraction,resolution,sensitivity,shape requirement等参数分别设置为two,high,low,medium等;对峰识别结果进行检查,去除重复识别结果。
3.根据权利要求1所述方法,其特征在于:对识别出的色谱峰进行分组,并对组内色谱峰进行相邻峰之间的特征离子查找。具体步骤如下:
1)分组:从AMDIS分析结果文件中提取所识别色谱峰的保留时间信息,并利用该信息进行分组。分组原则为将存在保留时间重叠的化合物分为一组;
分组的具体操作为寻找两个相邻色谱峰之间前一色谱峰结束时间和后一色谱峰起始时间相差大于0.1min的时间窗口,时间相差也可以根据实际情况按技术常识进行修改;
分组节点定义为:
Ti+1=Tend x+(Tini x+1-Tend x)×0.5
式中,Ti+1为第i+1组的起始时间,也即第i组的结束时间;Tend x为第x个色谱峰的结束时间,Tini x+1为第x+1个色谱峰的起始时间;
2)组内特征离子的选择:确定分组后,分别提取组内色谱峰的质谱定量信息,对于不存在重叠的色谱峰,选取绝对值小于阈值(Agilent 5975仪器通常选100000)的3个丰度最大的质谱离子作为定量离子。对于存在重叠的某个特定色谱峰,通过计算其质谱碎片的特征值,找出其相应的特征质谱离子碎片。其中,特征值的计算公式如下(公式1,公式2):
S a i m &ap; 1 - I t R b m - I t R a m &times; e - 4.5 ( t R b - t R a t R a i - t R a ) 2 I t R a m - I t R b m &times; e - 4.5 ( t R b - t R a t R b t - t R b ) 2 ( t R a > t R b ) - - - ( 1 )
S a t m &ap; 1 - I t R b m - I t R a m &times; e - 4.5 ( t R b - t R a t R a t - t R a ) 2 I t R a m - I t R b m &times; e - 4.5 ( t R b - t R a t R b i - t R b ) 2 ( t R a < t R b ) - - - ( 2 )
式中,
Figure FDA0000062835110000023
Figure FDA0000062835110000024
分别为离子通道m中色谱峰a在峰首和峰尾侧的特征值,
Figure FDA0000062835110000025
Figure FDA0000062835110000026
代表离子通道m中峰a和峰b的峰顶质谱响应强度。
Figure FDA0000062835110000027
Figure FDA0000062835110000028
分别为峰a和峰b起始、顶点和结束保留时间。将特征值大于0.8的离子输出,作为特征离子。每个化合物选取两个特征离子(一个备用);
将选取的特征离子作为化合物的定量分析离子。
4.根据权利要求1所述的方法,其特征在于:将选定的分组方法和每组对应的特征离子输入气相色谱-质谱工作站,保存成选择离子检测数据采集方法。并以此方法进行数据采集。
5.根据权利要求1所述方法,其特征在于:对所选特征离子和分组进行表征。具体步骤如下:
1)重复性:重复分析7份QC样品,并对所有色谱峰进行峰面积重复性计算。对相对标准偏差大于20%的色谱峰进行考察,如确定为特征离子选择不当导致的偏差大,则采用备用特征离子进行更换,并重新考察重复性;
2)响应线性:以当前分析方法的选取的样品量为基准,分析20%,60%,100%,140%,180%和220%的样品量。将得到的分析结果进行计算,得到每一个色谱峰的线性响应。对线性响应差的离子,采用备用特征离子进行更换,并重新考察线性。
6.通过对内标化合物的气相色谱保留时间和进样口初始压力进行线性拟合,建立气相色谱保留时间锁定方法。
7.利用所建立的保留时间锁定-选择性离子检测方法对实际样品进行化学轮廓分析。
CN201110133061.1A 2011-05-21 2011-05-21 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法 Active CN102798684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110133061.1A CN102798684B (zh) 2011-05-21 2011-05-21 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110133061.1A CN102798684B (zh) 2011-05-21 2011-05-21 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法

Publications (2)

Publication Number Publication Date
CN102798684A true CN102798684A (zh) 2012-11-28
CN102798684B CN102798684B (zh) 2015-04-15

Family

ID=47197856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110133061.1A Active CN102798684B (zh) 2011-05-21 2011-05-21 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法

Country Status (1)

Country Link
CN (1) CN102798684B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107677741A (zh) * 2017-09-08 2018-02-09 中国科学技术大学 一种利用皮尔森积矩相关系数(ppmc)法进行助燃剂种类相似性判断的方法
CN107727780A (zh) * 2017-08-30 2018-02-23 聚光科技(杭州)股份有限公司 在线色谱的电子压力控制装置及方法
CN107917973A (zh) * 2017-11-06 2018-04-17 中国石油天然气股份有限公司 一种检测痕量生物标志化合物的方法
CN111157664A (zh) * 2019-03-22 2020-05-15 深圳碳云智能数字生命健康管理有限公司 生物代谢组学数据处理方法、分析方法及装置和应用
CN111758029A (zh) * 2018-02-27 2020-10-09 新加坡科技研究局 用于糖肽鉴定的方法、装置和计算机可读介质
CN111902719A (zh) * 2018-02-19 2020-11-06 塞尔诺生物科学有限责任公司 可靠自动的质谱分析
CN114137103A (zh) * 2021-11-03 2022-03-04 湖北省农业科学院农业质量标准与检测技术研究所 一种液相色谱二极管阵列数据转化为指纹图谱的方法
CN114420222A (zh) * 2022-03-29 2022-04-29 北京市疾病预防控制中心 一种基于分布式流式处理的碎片离子化合物结构的快速确认方法
CN117434186A (zh) * 2023-12-22 2024-01-23 中国市政工程华北设计研究总院有限公司 一种携污雨水复杂臭味气体组成的同步识别与量化方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7117103B2 (en) * 2004-06-03 2006-10-03 Agilent Technologies, Inc. Rapid automatic target compound confirmation using deconvolution and spectral matching
CN101893615A (zh) * 2010-06-23 2010-11-24 江南大学 一种中国白酒中非糠壳带来的土霉异味化合物土臭素的测定方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7117103B2 (en) * 2004-06-03 2006-10-03 Agilent Technologies, Inc. Rapid automatic target compound confirmation using deconvolution and spectral matching
CN101893615A (zh) * 2010-06-23 2010-11-24 江南大学 一种中国白酒中非糠壳带来的土霉异味化合物土臭素的测定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIANFU GAO ET AL: "Development of a Quantitative Metabolomic Approach to Study Clinical Human Fecal Water Metabolome Based on Trimethylsilylation Derivatization and GC/MS Analysis", 《ANALYTICAL CHEMISTRY》, vol. 82, 1 August 2010 (2010-08-01), pages 6447 - 6456 *
张亚平 等: "GC/MS法检测中毒毒物中质谱自动处理与鉴定系统AMDIS的应用", 《中国卫生检验杂志》, vol. 14, no. 6, 31 December 2004 (2004-12-31), pages 747 - 750 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107727780A (zh) * 2017-08-30 2018-02-23 聚光科技(杭州)股份有限公司 在线色谱的电子压力控制装置及方法
CN107677741A (zh) * 2017-09-08 2018-02-09 中国科学技术大学 一种利用皮尔森积矩相关系数(ppmc)法进行助燃剂种类相似性判断的方法
CN107917973A (zh) * 2017-11-06 2018-04-17 中国石油天然气股份有限公司 一种检测痕量生物标志化合物的方法
CN111902719A (zh) * 2018-02-19 2020-11-06 塞尔诺生物科学有限责任公司 可靠自动的质谱分析
CN111902719B (zh) * 2018-02-19 2024-05-07 塞尔诺生物科学有限责任公司 自动的质谱分析方法和仪器
CN111758029A (zh) * 2018-02-27 2020-10-09 新加坡科技研究局 用于糖肽鉴定的方法、装置和计算机可读介质
CN111758029B (zh) * 2018-02-27 2023-06-09 新加坡科技研究局 用于糖肽鉴定的方法、装置和计算机可读介质
CN111157664A (zh) * 2019-03-22 2020-05-15 深圳碳云智能数字生命健康管理有限公司 生物代谢组学数据处理方法、分析方法及装置和应用
CN114137103A (zh) * 2021-11-03 2022-03-04 湖北省农业科学院农业质量标准与检测技术研究所 一种液相色谱二极管阵列数据转化为指纹图谱的方法
CN114137103B (zh) * 2021-11-03 2023-06-02 湖北省农业科学院农业质量标准与检测技术研究所 一种液相色谱二极管阵列数据转化为指纹图谱的方法
CN114420222A (zh) * 2022-03-29 2022-04-29 北京市疾病预防控制中心 一种基于分布式流式处理的碎片离子化合物结构的快速确认方法
CN117434186A (zh) * 2023-12-22 2024-01-23 中国市政工程华北设计研究总院有限公司 一种携污雨水复杂臭味气体组成的同步识别与量化方法

Also Published As

Publication number Publication date
CN102798684B (zh) 2015-04-15

Similar Documents

Publication Publication Date Title
CN102798684B (zh) 一种基于保留时间锁定-气相色谱-四极杆质谱选择性离子扫描的化学轮廓分析方法
Hantao et al. Multivariate curve resolution combined with gas chromatography to enhance analytical separation in complex samples: A review
CN104297355B (zh) 一种基于液相色谱/质谱联用的拟靶标代谢组学分析方法
US20080302957A1 (en) Identifying ions from mass spectral data
Koek et al. Quantitative metabolomics based on gas chromatography mass spectrometry: status and perspectives
US20060255258A1 (en) Chromatographic and mass spectral date analysis
CN103109345B (zh) 产物离子光谱的数据独立获取及参考光谱库匹配
Guillarme et al. Coupling ultra-high-pressure liquid chromatography with mass spectrometry
US8916818B2 (en) Chromatograph tandem quadrupole mass spectrometer
Li et al. Strategy for comparative untargeted metabolomics reveals honey markers of different floral and geographic origins using ultrahigh-performance liquid chromatography-hybrid quadrupole-orbitrap mass spectrometry
US20160091467A1 (en) Prediction of Fuel Properties
EP2728350B1 (en) Method and system for processing analysis data
CN102971623B (zh) 分析数据处理方法以及装置
US7072773B2 (en) Method of using data binning in the analysis of chromatography/spectrometry data
CN105745534A (zh) 使用色谱仪的多组分定量分析方法
CN104764843A (zh) 一种利用负化学源质谱数据库对含电负性元素农药检测的方法
Perrault et al. A minimally-invasive method for profiling volatile organic compounds within postmortem internal gas reservoirs
Yu et al. A chemometric-assisted method based on gas chromatography–mass spectrometry for metabolic profiling analysis
Davis et al. Stabilization of gas-phase uranyl complexes enables rapid speciation using electrospray ionization and ion mobility-mass spectrometry
Reaser et al. Non-targeted determination of 13C-labeling in the Methylobacterium extorquens AM1 metabolome using the two-dimensional mass cluster method and principal component analysis
CN102798683A (zh) 一种通用的气相色谱-质谱全组分定量分析方法
Erny et al. Finnee—a Matlab toolbox for separation techniques hyphenated high resolution mass spectrometry dataset
JPWO2020044435A1 (ja) データ解析方法、データ解析装置、及びデータ解析用の学習モデル作成方法
KR101691283B1 (ko) 내부표준물질을 이용한 성분분석장치 및 방법
CN114236026A (zh) 一种用于果蔬中农药残留的非靶向快速筛查方法

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