CN107003284B - 多维质谱分析数据处理装置 - Google Patents
多维质谱分析数据处理装置 Download PDFInfo
- Publication number
- CN107003284B CN107003284B CN201480083975.3A CN201480083975A CN107003284B CN 107003284 B CN107003284 B CN 107003284B CN 201480083975 A CN201480083975 A CN 201480083975A CN 107003284 B CN107003284 B CN 107003284B
- Authority
- CN
- China
- Prior art keywords
- mass
- wave crest
- spectrum
- analysis
- ion
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 238000001819 mass spectrum Methods 0.000 title claims description 46
- 238000000513 principal component analysis Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 22
- 239000002243 precursor Substances 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 9
- 238000013467 fragmentation Methods 0.000 claims description 8
- 238000006062 fragmentation reaction Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000002224 dissection Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 6
- 238000004949 mass spectrometry Methods 0.000 claims description 4
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 48
- 238000004885 tandem mass spectrometry Methods 0.000 abstract description 44
- 239000004615 ingredient Substances 0.000 abstract description 27
- 239000000126 substance Substances 0.000 abstract description 20
- 238000000926 separation method Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 4
- 150000002500 ions Chemical class 0.000 description 52
- 230000014759 maintenance of location Effects 0.000 description 16
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 10
- 230000007935 neutral effect Effects 0.000 description 10
- 238000004817 gas chromatography Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000010183 spectrum analysis Methods 0.000 description 9
- 238000005040 ion trap Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 150000001793 charged compounds Chemical class 0.000 description 5
- 239000000470 constituent Substances 0.000 description 5
- 238000010494 dissociation reaction Methods 0.000 description 5
- 230000005593 dissociations Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000001360 collision-induced dissociation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012071 phase Substances 0.000 description 4
- 238000004587 chromatography analysis Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003795 desorption Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000132 electrospray ionisation Methods 0.000 description 2
- 238000010828 elution Methods 0.000 description 2
- 238000000534 ion trap mass spectrometry Methods 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 238000002540 product ion scan Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001698 laser desorption ionisation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/26—Mass spectrometers or separator tubes
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明利用MS/MS部(2)对经全二维LC部(1)加以成分分离后的试样反复进行MS2分析而获得MS2谱。波峰信息提取部(32)采集针对二维色谱图上的各微小区域而获得的MS2谱的波峰信息，主成分分析处理部(34)对采集到的波峰信息实施主成分分析而求反映出整体的MS2谱的波峰图案的倾向的主成分得分。因子载荷算出部(35)根据主成分得分来计算每一m/z的因子载荷，相关信息算出部(36)计算各MS2谱与因子载荷的相关系数。由于MS2谱反映出含有成分的化学结构，因此基于相关系数的二维图像展现出与试样中特征性地含有的成分的化学结构类似的成分的分布。
Description
技术领域
本发明涉及一种对通过质谱分析采集到的数据进行处理并显示其结果的质谱分析数据处理装置，更详细而言，涉及一种对针对实空间上的或者非实空间的假想空间上的N维区域内的各微小区域中的每一区域而获得的质谱分析数据进行处理并显示其结果的多维质谱分析数据处理装置。具体而言，本发明的多维质谱分析数据处理装置例如可用于处理通过全二维气相色谱仪(GC)、全二维液相色谱仪(LC)等与质谱分析装置组合而成的装置、成像质谱分析装置等而获得的质谱分析数据。
背景技术
作为气相色谱分析方法之一，已知有称为全二维GC或GC×GC的方法(参考专利文献1等)。在全二维GC中，首先利用第1维色谱柱(以下称为“1次色谱柱”)将目标试样中所含的各种成分分离，将其洗脱成分导入至调制器。调制器重复如下操作，即，每隔一定的调制时间(通常为几秒～十几秒左右)捕获一次所导入的成分，之后以极窄的时间带宽使该成分脱附，导入至第2维色谱柱(以下称为“2次色谱柱”)。通常，在1次色谱柱中，是以可进行与普通GC相同或者比普通GC略慢的洗脱的分离条件进行成分分离的。相对于此，作为2次色谱柱，是使用极性不同于1次色谱柱而且较短、内径较小的色谱柱，以在规定好的调制时间内结束洗脱这样的条件进行成分分离的。
如此一来，在全二维GC中，可在2次色谱柱中将未被1次色谱柱分离、波峰相重叠的多种成分分离，与普通GC相比，分离性能大幅提高。
此外，在液相色谱分析中，也已知有与上述全二维GC同样地使用分离特性不同的2级色谱柱的、被称为全二维LC或LC×LC的方法。在本说明书中，将全二维GC和全二维LC统称为全二维色谱仪。
在这些全二维色谱仪中，大多情况下，两个色谱柱的分离特性是不一样的。因此，为了以易于理解的方式分别展示各色谱柱中的分离状态，将1次色谱柱中的保留时间和2次色谱柱中的保留时间分别设为正交的2个轴，制作以等高线、色标或灰度表示信号强度的二维色谱图。图6为该二维色谱图的一例。作为用以制作二维色谱图的数据处理软件，美国GCImage公司(GC Image LLC)所提供的“GC Image”(参考非专利文献1)为人所熟知。
如上所述，全二维色谱仪具有较高的分离性能，但是，为了进行保留时间相近的成分含量大或者夹杂物含量相对较大的试样中的各种成分的鉴定、定量，全二维色谱仪与质谱分析装置尤其是三重四极杆质谱分析装置、离子阱飞行时间质谱分析装置等可进行MSn分析的质谱分析装置的组合较为有用(参考非专利文献2等)。例如，在三重四极杆质谱分析装置中，选择来源于化合物的具有特定质荷比的离子作为前体离子，可网罗性地也就是说可通过扫描测定来检测通过碰撞诱导解离(CID)使该前体离子裂解而生成的各种产物离子。这是被称为产物离子扫描测定的MSn分析方法，可根据通过该测定而获得的MS2谱上的波峰图案来调查特定化学结构中的各种部位的键断裂而得的片段。
在以三重四极杆质谱分析装置为检测器的全二维LC、全二维GC中，作为分析的结果，所显示的二维色谱图也相当于普通的总离子色谱图，大多情况下，二维色谱图上仅显示信号强度较高也就是含量相对较多的成分。当然，以往的这种分析系统具备如下功能，即，当通过利用了保留时间、质谱(MSn谱)的鉴定处理而判明含有成分时，以与二维色谱图上的波峰关联起来的方式重叠显示化合物名称等。因而，分析人员可根据这样的显示而知晓试样含有何种成分。然而，如果不是在化合物方面具有较高专业知识的人，普通的分析人员要直观地理解在何处检测到了在结构上类似的成分是非常困难的。
此外，在专利文献2中所揭示那样的成像质谱分析装置中，可针对试样上的二维区域中的大量微小区域各方而获取质谱、MSn谱，并且可根据其结果来制作对应于测定对象的二维区域的、表示特定质荷比的信号强度分布的映射图像。这种映射图像也是具有某一特定质荷比的离子强度的二维分布，因此，在该质荷比的选定不恰当等的情况下，展示的未必是特定成分的分布。
现有技术文献
专利文献
专利文献1：日本专利特开2011-122822号公报
专利文献2：日本专利特开2009-25268号公报
专利文献3：日本专利特开2012-2544号公报
非专利文献
非专利文献1：“GC Image GCxGC Software”，[online]，美国GC Image LLC，[2014年11月10日检索]，网址＜URL：http://www.gcimage.com/gcxgc/index.html＞
非专利文献2：“GC×GC系统”，[online]，株式会社岛津制作所，[2014年11月10日检索]，网址＜URL：http://www.an.shimadzu.co.jp/gcms/gcxgc/apl.htm＞
发明内容
发明要解决的问题
本发明是鉴于如上所述的问题而成，其主要目的在于提供如下多维质谱分析数据处理装置：可在全二维色谱仪中的二维色谱图、成像质谱分析装置中的映射图像这样的二维显示中，制作并显示易于直观地理解特定成分的分布、结构类似的成分的分布等的分布图像。
解决问题的技术手段
为了解决上述问题而成的本发明为一种多维质谱分析数据处理装置，其处理并显示通过可进行MSn分析(n为2以上的整数)的质谱分析装置针对一种试样而获取到的、由为实空间或假想空间的N维空间(N为2以上的整数)上的各微小区域内的MSn谱数据构成的多维质谱分析数据，该多维质谱分析数据处理装置的特征在于，包括：
a)波峰信息采集部，其从N维空间上的各微小区域内的MSn谱数据中针对每一微小区域而采集表示质荷比与信号强度的关系的波峰信息；
b)统计解析部，其针对由所述波峰信息采集部采集到的N维空间上的波峰信息进行规定的统计解析处理而求统计性特征量，并获取表示该特征量与各微小区域的波峰信息的相关的信息；以及
c)图表制作部，其根据由该统计解析部获得的表示每一微小区域的相关的信息来制作表示N维空间内的强度分布的图表。
所谓可进行MSn分析的质谱分析装置，例如是指隔着碰撞池在其前后配置有质谱仪的三重四极杆质谱分析装置、Q-TOF质谱分析装置、搭载有离子阱的离子阱质谱分析装置、离子阱飞行时间质谱分析装置、利用高能CID的TOF-TOF质谱分析装置等典型装置。在三重四极杆质谱分析装置、TOF-TOF质谱分析装置等当中，原则上(如果不是利用后文叙述的源内分解的情况的话)n限定为2。另一方面，在离子阱质谱分析装置等当中，n没有理论上的限制(在实用性上，n最大为5～6左右)。
在本发明的多维质谱分析数据处理装置的第1实施方式中，可设为：各微小区域内的MSn谱数据是通过将可进行MSn分析的质谱分析装置用作检测器的全二维GC或全二维LC而获得的数据，N为2的二维空间的两个轴均为保留时间。在该情况下，二维空间为假想空间。
此外，在本发明的多维质谱分析数据处理装置的第2实施方式中，可设为：各微小区域内的MSn谱数据是通过可进行MSn分析的成像质谱分析装置而获得的数据，N为2的二维空间的两个轴为试样上的不同方向的位置信息。在该情况下，二维空间当然为实空间。
此外，在本发明的多维质谱分析数据处理装置的又一实施方式中，可设为：各微小区域内的MSn谱数据是通过将可进行MSn分析的质谱分析装置用作检测器的普通LC或GC而获得的数据，N为2的二维空间的两个轴中的一方为保留时间，另一轴为获得MSn谱数据时的前体离子的质荷比。在该情况下，二维空间也不是实空间而是假想空间。
例如在第1实施方式中，针对具有1次色谱柱的保留时间和2次色谱柱的保留时间这两个时间轴的假想二维空间的每一微小区域而获得质谱数据和MS2谱数据。但是，对于多个微小区域而言，MS2分析的前体离子的质荷比既有相同的情况也有不同的情况。例如，在针对质谱上出现的波峰而自动选择符合预先规定的条件的波峰来决定前体离子的情况(例如利用专利文献3中所记载的自动MSn功能的情况)下，通常前体离子的质荷比是不一样的。另一方面，在将前体离子的质荷比预先设定为分析条件之一的情况下，前体离子的质荷比相同。
波峰信息采集部从二维空间上的各微小区域内的MS2谱数据中针对每一微小区域而采集表示质荷比与信号强度的关系的波峰信息。此时，根据解析的目的等，可将MS2分析的前体离子为同一质荷比这一内容作为条件来采集波峰信息，或者，也可采集波峰信息而不管前体离子的质荷比如何。具体而言，在规定条件下对MS2谱进行波峰检测而求对应于波峰顶的质荷比和信号强度，采集所有MS2谱中的至少一方当中所获得的对应于质荷比值的信号强度值(在该质荷比值下不存在波峰的情况下，信号强度值为零)即可。此外，MS2谱上的各波峰的波峰顶的质荷比与前体离子的质荷比的差也就是中性丢失表示解离时脱离的部分结构的质量，因此，宜视为波峰信息中还包含中性丢失。继而，将针对多个MS2谱而分别获得的波峰信息汇集成矩阵形式。
统计解析部对上述矩阵形式的波峰信息进行规定的统计解析处理。作为统计解析的方法，例如可使用主成分分析、因子分析、偏最小二乘法(PLS)、PLS判别分析法(PLS-DA)、聚类分析等多变量解析、自组织映射(SOM)分析等利用神经网络的解析。典型而言，使用主成分分析即可，在该情况下，将对应于通过主成分分析而获得的特定主成分(例如第1主成分)的因子载荷作为特征量即可。因子载荷是针对每一质荷比值而求出的，因此可将其表现为质谱的样子(以下，为方便起见，称为因子载荷谱)，计算表示该因子载荷谱中的波峰信息与各微小区域的波峰信息的相关的、例如相关系数。针对每一微小区域而获得的该相关系数反映出与表征整体的MS2谱数据的成分对应的化学结构的类似性的程度。因此，由图表制作部制作的图表表现出该特征性成分以及化学结构与其类似的成分的分布，所以，将其显示在例如显示部的画面上即可。
此外，在第2实施方式中，可通过与上述相同的处理来制作并显示表现存在于试样上的二维区域内的特征性成分以及化学结构与其类似的成分的分布的图表。
但是，若每一微小区域在灵敏度上存在差异，则统计解析处理的精度会降低。尤其是在使用成像质谱分析装置、通过基质辅助激光解吸离子化(MALDI)法等来进行针对试样上的不同部位的离子化的情况下，例如因基质的混合的不均匀性等因素而容易产生部位上的灵敏度的差异。因此，在设想这种事态的情况下，宜在实施统计解析处理之前实施以每一微小区域的信号强度值的偏差得到补偿的方式将信号强度值标准化的处理。具体而言，以使各MS2谱中信号强度最大的波峰的强度值、MS2谱内的所有波峰的信号强度的累计值与一定值对齐的方式加以标准化即可。此外，也能以使质谱上的前体离子的信号强度与一定值对齐的方式加以标准化。
此外，此处所说的MS2分析并不限于通过碰撞池、离子阱等来有意地使特定离子解离而进行质谱分析的分析，而是包括获得实质上与其相同的质谱的分析。例如在GC-MS等当中广泛使用的电子离子化(EI)法的离子源中，在离子化时容易发生碎片化，几乎观测不到来源于原有成分的分子离子。此外，例如在MALDI离子源中，当提高激光的功率时，容易发生源内分解。另外，通过激光解吸离子化(LD＝Laser Desorption)法、二次离子质谱分析(SIMS＝Secondary Ion Mass Spectrometry)法、高速原子冲击(FAB＝Fast AtomBomberment)法等获得的离子也一样，在离子化时容易发生碎片化。因此，在这种条件下获得的质谱会观测到大量碎片离子，是准MS2谱。
因此，在本发明的多维质谱分析数据处理装置中，可设为：上述质谱分析装置为搭载有容易发生碎片化的离子源的装置或者利用源内分解的装置，MSn谱数据是通过对因离子源中的碎片化或源内分解而产生的碎片离子进行质谱分析而获得的准MS2谱数据。
当然，在配备碰撞池、离子阱而可在其中使离子解离的质谱分析装置中，也可通过利用离子化时的碎片化、源内分解来实施n为3以上的准MSn分析。
发明的效果
根据本发明的多维质谱分析数据处理装置，例如可对应于全二维色谱仪中的二维色谱图、成像质谱分析装置中的映射图像这样的二维显示图像，制作并显示易于直观地理解特定成分的分布、结构类似的成分的分布等的分布图像。
附图说明
图1为使用本发明的多维质谱分析数据处理装置的全二维LC-MS/MS系统的一实施例的概略构成图。
图2为本实施例的全二维LC-MS/MS系统中通过测定而获得的数据的概略图。
图3为表示本实施例的全二维LC-MS/MS系统中的波峰信息的一例的图。
图4为表示本实施例的全二维LC-MS/MS系统中的主成分分析结果的一例的图。
图5为表示本实施例的全二维LC-MS/MS系统中所制作的因子载荷谱的一例的图。
图6为表示全二维色谱图的一例的图。
具体实施方式
参考附图，对使用本发明的多维质谱分析数据处理装置的全二维LC-MS/MS系统的一实施例进行说明。
图1为本实施例的全二维LC-MS/MS系统的概略构成图。
本实施例的全二维LC-MS/MS系统包括全二维LC部1、MS/MS部2、数据处理部3及显示部4。虽未图示，但全二维LC部1包括输送流动相的泵、对流动相中注入试样的注射器、1次色谱柱、以一定时间(调制时间)间隔捕获从该1次色谱柱的出口洗脱的成分并在时间上进行压缩而送出的调制器、以及具有不同于1次色谱柱的分离特性(典型而言为不同极性)的可进行高速分离的2次色谱柱。通过注射器注入至流动相中的试样中所含的各种成分通过1次、2次这两级色谱柱以较高的分离能力在时间上分离并洗脱，连续导入至MS/MS部2。
虽未图示，但MS/MS部2为包括电喷雾离子化(ESI)法等的大气压离子源、前级四极杆滤质器、碰撞池、后级四极杆滤质器及离子检测器的三重四极杆质谱分析装置。当然，MS/MS部2并不限于这种构成的质谱分析装置，可换成Q-TOF质谱分析装置、离子阱飞行时间质谱分析装置等其他构成的质谱分析装置。
在MS/MS部2中，供给自全二维LC部1的试样液中所含的成分被大气压离子源依序离子化。在前级四极杆滤质器、碰撞池及后级四极杆滤质器中对如此生成的离子实施利用了上述自动MS2功能的测定。即，首先实施预先指定的质荷比范围的扫描测定而不进行碰撞池内的离子的解离，当在由此制作出的质谱中检测到规定条件的波峰时，大致实时地也就是继上述扫描测定之后实施将对应于该波峰的离子设定为前体离子的MS2分析(产物离子扫描测定)。由此，获得对应于质谱上观测到的有意义的波峰的MS2谱。在质谱上不存在有意义的波峰的情况下，不实施MS2分析，不会获得MS2谱。
每时每刻通过MS/MS部2而获得的信号被未图示的A/D转换器转换为数字数据(质谱数据、MS2谱数据)而输入至数据处理部3，存储在数据存储部31中。数据处理部3除了包括数据存储部31以外，还包括波峰信息提取部32、标准化处理部33、主成分分析处理部34、因子载荷算出部35、相关信息算出部36、二维显示信息制作部37等功能块，以实施后文叙述的特征性处理。
再者，数据处理部3能以个人电脑为硬件资源，通过由该电脑执行预先安装在该个人电脑中的专用处理软件来实现各功能。
图2为本实施例的全二维LC-MS/MS系统中通过测定而获得的数据的概略图。
如上所述，试样中所含的各种成分在全二维LC部1中在时间方向上以较高的分离能力被分离，在MS/MS部2中反复实施扫描测定。此外，在通过扫描测定而获得的质谱上观测到有意义的波峰的情况下，在扫描测定的间隙实施MS2分析(产物离子扫描测定)。由此，如图2所示，在数据存储部31中存储与具有1次色谱柱的保留时间RT1和2次色谱柱的保留时间RT2这两个时间轴的假想空间上的各微小区域(图2的(a)中以斜线表示的矩形状范围的像素)相对应的质谱数据。此外，还存储与所有或一部分微小区域相对应的MS2谱数据。
在数据处理部3中，对如此存储的数据执行如下处理。
即，波峰信息提取部32从数据存储部31中读出各微小区域的MS2谱数据。继而，针对每一MS2谱按照规定算法进行波峰检测，获取检测到的各波峰的波峰顶的质荷比值和信号强度值。这是产物离子的质荷比值和信号强度值。进而，计算MS2分析时的前体离子的质荷比值与各产物离子的质荷比值的差作为在解离时从离子脱离的中性丢失，例如将求该中性丢失时使用的产物离子的波峰的信号强度值视为中性丢失的信号强度值，由此，还求出中性丢失的质量值和信号强度值。
当获得对应于所有MS2谱的波峰信息即产物离子的质荷比值和信号强度值以及中性丢失的质量值和信号强度值时，将这些数据以可进行主成分分析的方式整理成矩阵(行列)形式。即，提取对应于所有MS2谱的产物离子的质荷比值和中性丢失的质量值，将所有产物离子的质荷比值以及中性丢失的质量值作为矩阵的横向的参数，其纵向的参数使用MS2谱的编号。继而，将从一个MS2谱获得的产物离子的信号强度值以及中性丢失的信号强度值记作一行中的要素(参考图3)。在对应于某一产物离子的质荷比值、某一中性丢失的质量值而不存在信号强度值的情况下，将该要素的值设为零即可。如此，将对应于所有谱图的波峰信息汇集在一个矩阵中。该矩阵的行数为MS2谱的总数，列数为从所有MS2谱中提取出的产物离子的质荷比值以及中性丢失的质量值的总数。
接着，标准化处理部33以抑制每一MS2谱的偏差的方式将矩阵上的各要素也就是信号强度值标准化。例如，在各MS2谱中查找对应于产物离子的最大信号强度值，求该信号强度值除以规定值而得的系数，对相同MS2谱中的所有信号强度值乘以该系数，由此修正信号强度值。由此，能以各MS2谱的最大信号强度值变得相等的方式将各MS2谱的信号强度值标准化。再者，标准化的方法并不限于此。此外，在每一测定的信号强度的偏差较小的情况下，不需要标准化。
接着，主成分分析处理部34对上述矩阵实施主成分分析，例如求第1、第2这两个主成分，计算对应于该主成分的得分。由于主成分分析的运算方法为人所熟知，因此此处省略说明。通常，当进行主成分分析时，会将各MS2谱与图4所示那样的主成分得分标绘图上的各标绘点关联起来。接着，为了易于比较主成分分析的结果，因子载荷算出部35根据主成分得分来计算主成分负荷量(也称为因子载荷)。主成分负荷量是针对每一质荷比值及每一质量值而获得的，因此，若利用横轴设为质荷比的图表来表现该主成分负荷量，则求出例如图5所示那样的因子载荷谱。
MS2谱上观测到的波峰信息反映出二维色谱图上出现的各种成分的部分化合结构。可以说针对基于该MS2谱的波峰信息的主成分分析的结果展现出二维色谱图中的部分化学结构的整体性倾向，因子载荷谱展现出在整体上更多地存在的类似的部分化学结构。因而，二维色谱图上的某一MS2谱的谱图图案越接近因子载荷谱，越可以视为是具有接近在整体上更多地存在的类似的部分化学结构的化学结构的成分。因此，相关信息算出部36算出各微小区域内的MS2谱的波峰信息与因子载荷谱的相关系数。再者，关于未获得MS2谱的微小区域，设定相关系数为零(完全不相关)即可。
二维显示信息制作部37将针对各微小区域而求出的相关系数的值与色标、灰度关联起来，制作表示相关系数的分布的二维显示图像。继而，将该图像显示在显示部4的画面上。由此，反映出化学结构与试样中所含的特征性成分类似的成分的类似程度的二维分布得以可视化。
再者，在上述实施例中，是利用主成分分析作为统计解析方法，但也可使用这以外的例如因子分析、偏最小二乘法、PLS判别分析法、聚类分析等多变量解析、自组织映射分析等利用神经网络的解析。当然，根据所使用的解析方法，算出相当于上述因子载荷的其他特征量，并求各MS2谱与该特征量的相关即可。
此外，在上述实施例中，是以不管MS2谱的前体离子的方式，也就是说对来源于获得自不同前体离子的MS2谱的波峰信息执行主成分分析。其原因在于有如下推断，即，质谱上主要出现分子离子波峰，由于该分子离子被选择为前体离子而进行离子解离，因此MS2谱的波峰信息反映出原有成分分子的化学结构。
此外，在上述实施例中，是对在MS/MS部2中进行MS2分析而获得的MS2谱的波峰信息运用主成分分析，但在MS/MS部2为可进行n为3以上的MSn分析的质谱分析装置的情况下，也可对进行MSn分析而获得的MSn谱的波峰信息运用主成分分析。
此外，只要是实质上与MS2谱相同，也就是说观测到大量反映出成分分子的化学结构的碎片离子的质谱，则并非必须为通过在碰撞池、离子阱中进行基于CID等的离子解离而获得的MS2谱。例如，在以质谱分析装置为检测器的全二维GC中，通常使用电子离子化(EI)法的离子源作为质谱分析装置的离子源。在EI离子源中，在成分分子的离子化时容易发生碎片化，在质谱上观测到大量碎片离子而几乎观测不到分子离子。因而，这种质谱在实质上可作为MS2谱看待，从而也可使用这种观测到大量碎片离子的质谱代替上述实施例中的MS2谱。
这在通过例如在MALDI离子源中增大激光功率、或者在搭载有大气压离子源的质谱分析装置中利用与残留气体的碰撞来使分子离子解离的源内分解而获得的质谱中也是一样的。
此外，上述实施例是对全二维LC-MS/MS系统运用本发明的例子，是获得质谱、MS2谱的微小区域存在于以保留时间为两个轴的假想二维空间内的实施例。相对于此，本发明中的N维空间可以是由不同于保留时间的轴形成的假想空间，或者，也可以是实空间。
作为N维空间为实空间的装置的例子，较为典型的是可针对试样上的二维区域进行质谱分析成像的成像质谱分析装置。在成像质谱分析装置中，针对试样上的二维区域中的微小区域的质谱分析可一边以二维方式挪动该微小区域的位置一边反复执行。由此，可分别获取对应于大量微小区域的质谱、MS2谱。因而，虽然有二维空间的轴不是保留时间而是试样上的位置这样的差异，但实质性的数据构成与图2相同，通过与上述说明相同的数据处理，可制作并显示表示与试样上的二维区域内的特征性成分的化学结构相近的成分的分布的图像。
作为再一例，还可将本发明运用于以三重四极杆质谱分析装置、Q-TOF质谱分析装置、离子阱飞行时间质谱分析装置等可进行MSn分析的质谱分析装置为检测器的普通GC、LC。即，在这种装置中，可在某一保留时间(虽然严格而言不是完全相同但在实质上可视为相同的保留时间)内进行使具有不同质荷比的多种离子(前体离子)解离的质谱分析，分别获取MS2谱。因而，若考虑以保留时间为一个轴、以前体离子的质荷比为另一个轴的二维空间，则实质性的数据构成与图2相同。因此，通过进行与上述说明相同的数据处理，可将反映出化学结构与试样中所含的特征性成分类似的成分的类似程度的二维分布可视化。
再有，上述实施例、上述各种变形例都只是本发明的一例，显然，在本发明的宗旨的范围内酌情进行变形、修正、追加也是包含在本申请的权利要求书的范围内的。
符号说明
1 全二维LC部
2 MS/MS部
3 数据处理部
31 数据存储部
32 波峰信息提取部
33 标准化处理部
34 主成分分析处理部
35 因子载荷算出部
36 相关信息算出部
37 二维显示信息制作部
4 显示部。
Claims (6)
1.一种多维质谱分析数据处理装置，其处理并显示通过可进行MSn分析的质谱分析装置针对一种试样而获取到的、由为实空间或假想空间的N维空间上的各微小区域内的MSn谱数据构成的多维质谱分析数据，其中n和N为2以上的整数，该多维质谱分析数据处理装置的特征在于，包括：
a)波峰信息采集部，其从N维空间上的各微小区域内的MSn谱数据中针对每一微小区域而采集表示质荷比与信号强度的关系的波峰信息；
b)统计解析部，其针对由所述波峰信息采集部采集到的N维空间上的波峰信息进行规定的统计解析处理，对每一质荷比而求统计性特征量，并获取表示针对每一质荷比而求的该统计性特征量与各微小区域的波峰信息的接近程度的相关系数；以及
c)图表制作部，其根据由该统计解析部获得的每一微小区域的所述相关系数来制作表示N维空间内的强度分布的图表。
2.根据权利要求1所述的多维质谱分析数据处理装置，其特征在于，
各微小区域内的MSn谱数据是通过将可进行MSn分析的质谱分析装置用作检测器的全二维气相色谱仪或全二维液相色谱仪而获得的数据，N为2的二维空间的两个轴均为保留时间。
3.根据权利要求1所述的多维质谱分析数据处理装置，其特征在于，
各微小区域内的MSn谱数据是通过可进行MSn分析的成像质谱分析装置而获得的数据，N为2的二维空间的两个轴为试样上的不同方向的位置信息。
4.根据权利要求1～3中任一项所述的多维质谱分析数据处理装置，其特征在于，
所述统计解析处理为主成分分析，所述统计性特征量为通过主成分分析而获得的因子载荷。
5.根据权利要求1～3中任一项所述的多维质谱分析数据处理装置，其特征在于，
所述质谱分析装置为搭载有容易发生碎片化的离子源的装置或者利用源内分解的装置，MSn谱数据是通过对因离子源中的碎片化或源内分解而产生的碎片离子进行质谱分析而获得的准MS2谱数据。
6.根据权利要求1～3中任一项所述的多维质谱分析数据处理装置，其特征在于，
所述质谱分析装置是选择来源于试样的离子中具有特定质荷比的离子作为前体离子、对使该前体离子解离而生成的离子进行质谱分析的装置，所述统计解析部针对从来源于质荷比相同的前体离子的MSn谱数据采集到的N维空间上的波峰信息进行规定的统计解析处理。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2014/082384 WO2016092608A1 (ja) | 2014-12-08 | 2014-12-08 | 多次元質量分析データ処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107003284A CN107003284A (zh) | 2017-08-01 |
| CN107003284B true CN107003284B (zh) | 2019-11-08 |
Family
ID=56106862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480083975.3A Active CN107003284B (zh) | 2014-12-08 | 2014-12-08 | 多维质谱分析数据处理装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10818485B2 (zh) |
| EP (1) | EP3232189A4 (zh) |
| JP (1) | JP6341295B2 (zh) |
| CN (1) | CN107003284B (zh) |
| WO (1) | WO2016092608A1 (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017002226A1 (ja) * | 2015-07-01 | 2017-01-05 | 株式会社島津製作所 | データ処理装置 |
| US11709155B2 (en) | 2017-09-18 | 2023-07-25 | Waters Technologies Corporation | Use of vapor deposition coated flow paths for improved chromatography of metal interacting analytes |
| US11709156B2 (en) | 2017-09-18 | 2023-07-25 | Waters Technologies Corporation | Use of vapor deposition coated flow paths for improved analytical analysis |
| CN108280321B (zh) * | 2018-01-29 | 2021-09-17 | 沈阳药科大学 | 基于细胞代谢轮廓分析构建抗肿瘤候选化合物作用机制预测模型的方法 |
| WO2019150574A1 (ja) * | 2018-02-05 | 2019-08-08 | 株式会社島津製作所 | イメージング質量分析装置 |
| US10957523B2 (en) * | 2018-06-08 | 2021-03-23 | Thermo Finnigan Llc | 3D mass spectrometry predictive classification |
| US11918936B2 (en) | 2020-01-17 | 2024-03-05 | Waters Technologies Corporation | Performance and dynamic range for oligonucleotide bioanalysis through reduction of non specific binding |
| JP7380866B2 (ja) * | 2020-05-25 | 2023-11-15 | 株式会社島津製作所 | クロマトグラフ質量分析データ処理方法、クロマトグラフ質量分析装置、及びクロマトグラフ質量分析データ処理用プログラム |
| WO2022084993A1 (en) * | 2020-10-19 | 2022-04-28 | B. G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Rapid and direct identification and determination of urine bacterial susceptibility to antibiotics |
| CN115201391A (zh) * | 2022-04-24 | 2022-10-18 | 上海鹿明生物科技有限公司 | 一种多维注释的空间代谢组数据库建立方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009025268A (ja) * | 2007-07-24 | 2009-02-05 | Shimadzu Corp | 質量分析装置 |
| JP2011122822A (ja) * | 2009-12-08 | 2011-06-23 | Shimadzu Corp | クロマトグラフ質量分析装置 |
| EP2418481A1 (en) * | 2009-04-07 | 2012-02-15 | Shimadzu Corporation | Method and apparatus for mass analysis data processing |
| CN102802640A (zh) * | 2009-05-08 | 2012-11-28 | 台湾神隆股份有限公司 | 分析肽混合物的方法 |
| CN104112643A (zh) * | 2013-04-22 | 2014-10-22 | 株式会社岛津制作所 | 成像质量分析数据处理方法以及成像质量分析装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3840417B2 (ja) * | 2002-02-20 | 2006-11-01 | 株式会社日立ハイテクノロジーズ | 質量分析装置 |
| WO2005111599A1 (en) * | 2004-05-17 | 2005-11-24 | Firmenich Sa | New multidimensional gas chromatography apparatus and analyte transfer procedure using a multiple-cool strand interface |
| US9442887B2 (en) * | 2007-08-31 | 2016-09-13 | Dh Technologies Development Pte. Ltd. | Systems and methods for processing fragment ion spectra to determine mechanism of fragmentation and structure of molecule |
| EP2216396B1 (en) * | 2007-11-02 | 2015-01-07 | Humanix Co., Ltd. | Method of capturing cell fluid and analyzing components thereof while observing cell and system for capturing and analyzing cell fluid |
| JP5505110B2 (ja) | 2010-06-14 | 2014-05-28 | 株式会社島津製作所 | クロマトグラフ質量分析装置 |
| JP2013040808A (ja) * | 2011-08-12 | 2013-02-28 | Shimadzu Corp | 質量分析データ解析方法及び解析装置 |
| JP5860833B2 (ja) * | 2013-04-08 | 2016-02-16 | 株式会社島津製作所 | 質量分析データ処理方法及び装置 |
-
2014
- 2014-12-08 US US15/532,534 patent/US10818485B2/en active Active
- 2014-12-08 WO PCT/JP2014/082384 patent/WO2016092608A1/ja active Application Filing
- 2014-12-08 EP EP14907864.4A patent/EP3232189A4/en not_active Withdrawn
- 2014-12-08 JP JP2016563303A patent/JP6341295B2/ja active Active
- 2014-12-08 CN CN201480083975.3A patent/CN107003284B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009025268A (ja) * | 2007-07-24 | 2009-02-05 | Shimadzu Corp | 質量分析装置 |
| EP2418481A1 (en) * | 2009-04-07 | 2012-02-15 | Shimadzu Corporation | Method and apparatus for mass analysis data processing |
| CN102802640A (zh) * | 2009-05-08 | 2012-11-28 | 台湾神隆股份有限公司 | 分析肽混合物的方法 |
| JP2011122822A (ja) * | 2009-12-08 | 2011-06-23 | Shimadzu Corp | クロマトグラフ質量分析装置 |
| CN104112643A (zh) * | 2013-04-22 | 2014-10-22 | 株式会社岛津制作所 | 成像质量分析数据处理方法以及成像质量分析装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6341295B2 (ja) | 2018-06-13 |
| CN107003284A (zh) | 2017-08-01 |
| US20170271135A1 (en) | 2017-09-21 |
| WO2016092608A1 (ja) | 2016-06-16 |
| EP3232189A4 (en) | 2017-12-13 |
| JPWO2016092608A1 (ja) | 2017-04-27 |
| US10818485B2 (en) | 2020-10-27 |
| EP3232189A1 (en) | 2017-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107003284B (zh) | 多维质谱分析数据处理装置 | |
| US9305755B2 (en) | Mass analysis data processing method and mass analysis data processing apparatus | |
| CA2712455C (en) | Systems, methods, and computer-readable medium for determining composition of chemical constituents in a complex mixture | |
| JP6695556B2 (ja) | イメージング質量分析データ処理装置及び方法 | |
| CN107430979B (zh) | 分析装置 | |
| US20090020693A1 (en) | Chromatograph mass analysis data processing apparatus | |
| CN105659082B (zh) | 全2维色谱仪用数据处理装置 | |
| CN109661574A (zh) | 质谱分析数据处理装置 | |
| CN106662551B (zh) | 质谱分析数据处理装置 | |
| CN106574914B (zh) | 全二维色谱用数据处理装置 | |
| Haynes et al. | Population spatial synchrony enhanced by periodicity and low detuning with environmental forcing | |
| US20210217597A1 (en) | Imaging mass spectrometry data processing device | |
| CN112415208A (zh) | 一种评价蛋白组学质谱数据质量的方法 | |
| JP5860833B2 (ja) | 質量分析データ処理方法及び装置 | |
| DE102016000124A1 (de) | Massenspektrometrie-Datenverarbeitungsvorrichtung und Massenspektrometrie-Datenverarbeitungsverfahren | |
| WO2023058234A1 (ja) | 質量分析データ解析方法及びイメージング質量分析装置 | |
| Schreiber et al. | Intelligent use of retention time during multiple reaction monitoring for faster and extended compound screening with higher sensitivity and better reproducibility | |
| US20230335221A1 (en) | Data-analyzing method, data-analyzing device, and sample analyzer | |
| Mukosaka et al. | mzRepeat: Visual analysis of lipids in mass spectrometry |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |