DK2128791T3 - Fremgangsmåde til behandling af spektrometiske data - Google Patents

Fremgangsmåde til behandling af spektrometiske data Download PDF

Info

Publication number
DK2128791T3
DK2128791T3 DK08251890.3T DK08251890T DK2128791T3 DK 2128791 T3 DK2128791 T3 DK 2128791T3 DK 08251890 T DK08251890 T DK 08251890T DK 2128791 T3 DK2128791 T3 DK 2128791T3
Authority
DK
Denmark
Prior art keywords
peak
mass
measured
spectrum
peaks
Prior art date
Application number
DK08251890.3T
Other languages
English (en)
Inventor
Hans Pfaff
Original Assignee
Thermo Fisher Scient Bremen Gmbh
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 Thermo Fisher Scient Bremen Gmbh filed Critical Thermo Fisher Scient Bremen Gmbh
Application granted granted Critical
Publication of DK2128791T3 publication Critical patent/DK2128791T3/da

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20Identification of molecular entities, parts thereof or of chemical compositions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01JELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00Particle spectrometers or separator tubes
    • H01J49/02Details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12Classification; Matching
    • G06F2218/14Classification; Matching by matching peak patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Physiology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Computing Systems (AREA)
  • Analytical Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Claims (18)

  1. 1. Computerimplementeret fremgangsmåde til karakterisering af en prøve ved anvendelse af massespektrometri ved identificering af en mest sandsynlig grundstofsammensætning af et målt peak af interesse i et målt spektrum opnået fra denne prøve ved anvendelse af et massespektrometer, hvor det målte spektrum indbefatter peaks, der er isotopvarianter af peaket af interesse, og peaks, der ikke er isotopvarianter af peaket af interesse, hvilken fremgangsmåde omfatter følgende trin: (a) identificering, for peaket af interesse i prøvens spektrum, af en flerhed af grundstofsammensætninger med et peak, hvis position ligger inden for en forudbestemt tolerance for positionen af det målte peak af interesse; (b) dannelse af et sæt af kandidatsammensætninger ud fra den identificerede flerhed af grundstofsammensætninger; (c) generering af et teoretisk isotopspektrum for hver af kandidatsammensætningerne i det dannede sæt deraf; (d) udvælgelse af peaks inden for hvert således genereret teoretisk isotopspektrum til yderligere behandling; (e) for hver kandidatsammensætning fra sættet efter tur: (i) skalering af intensiteten af mindst ét af: samtlige udvalgte peaks af det teoretiske isotopspektrum fra den særlige kandidatsammensætning, der undersøges, og/eller samtlige peaks for det målte massespektrum for at reducere forskellen mellem intensiteterne af peaket af interesse og det tilsvarende peak for kandidatsammensætningen; (ii) beregning af en spektral afstand, SD, mellem hvert peak i det teoretiske isotopspektrum og hvert peak i det målte spektrum baseret på både forskellen dM i de relative positioner af et givent peak i det teoretiske isotopspektrum og et givent peak i det målte spektrum, og ligeledes de relative forskelle dl i skaleret intensitet deraf, hvor SD stiger monotont med dM og dl, og hvor SD defineres som en hvilken som helst af:
    hvor MeXp = forventet positionsfejl Iexp = forventet intensitetsfejl; hvor Mexp er relateret til massespektrometrets massepræcision, og hvor Iexp er baseret på den observerede intensitetsfejl frembragt af massespektrometret; (iii) enten: for hvert peak i det teoretiske isotopspektrum valgt i trin (d), identificering af peaket i det målte spektrum, der anses for at ligge tættest på dette peak i det teoretiske isotopspektrum, ved bestemmelse af, hvilket af de målte peaks der har den laveste SD; eller for hvert peak i det målte spektrum, identificering af peaket i det teoretiske isotopspektrum valgt i trin (d), der anses for at ligge tættest på dette peak i det målte spektrum, ved bestemmelse af, hvilket af de teoretiske isotop-peaks der har den laveste SD; (iv) beregning af en mønsterspektralaf stand (pattern spectral distance - PSD) for en særlig kandidatsammensætning baseret på en kombination af både dM og dl mellem de målte peaks og de teoretiske isotop-peaks, hvor de målte eller teoretiske isotop-peaks er hver af de, der er blevet identificeret som tilsvarende i trin (e) (iii), og hvor PSD stiger monotont med dM og dl, og hvor PSD er defineret som en hvilken som helst af:
    og hvor Σ er summen af samtlige udvalgte teoretiske isotop-peaks og deres tilsvarende målte peaks, dMip er positionsforskellen mellem det identificerede tilsvarende målte peak og udvalgte teoretiske isotop-peak, og dip er intensitetsforskellen mellem det identificerede tilsvarende målte peak og udvalgte teoretiske isotop-peak; (v) normalisering af PSD’en med en maksimal forventet PSD (PSDmax); (vi) vægtning af PSD’en i forhold til hyppigheden af peaks i enten det teoretiske isotopmassespektrum eller det målte massespektrum, således at en masse- og/eller intensitetsfejl for et mindre intenst peak påvirker PSD’en mindre end den samme masse- eller intensitetsfejl for et mere intenst peak; (f) identificering af hvilket af sættet af kandidatgrundstofsammensætninger af det målte peak af interesse, der er den mest sandsynlige grundstofsammensætning deraf, ved bestemmelse af hvilken kandidatsammensætning der har den mindste PSD; og (g) udlæsning af data, der er repræsentative for den identificerede mest sandsynlige grundstofsammensætning af det målte peak af interesse.
  2. 2. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor et kriterium til udvælgelse af et teoretisk isotop-peak omfatter anvendelse af en tærskelværdi, således at kun peaks af det teoretiske isotopspektrum med intensiteter større end tærskelværdien udvælges til yderligere behandling.
  3. 3. Fremgangsmåde ifølge krav 3, hvor tærskelværdien er matematisk relateret til støjen i det målte spektrum.
  4. 4. Fremgangsmåde ifølge krav 3, hvor tærskelværdien i procent er indstillet til 100. (4. Inoise/B), hvor B er intensiteten af det identificerede peak af interesse og den målte støjværdi for dette peak er Inoise.
  5. 5. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor, mellem trin (e)(iii) og (e)(iv), de udvalgte teoretiske isotop-peaks og/eller peaks for det målte spektrum skaleres i intensitet for således at minimere summen af forskellen i intensiteter, dl, mellem intensiteten af hvert udvalgt teoretisk isotop-peak og intensiteten af det tilsvarende målte peak.
  6. 6. Fremgangsmåde ifølge krav 5, hvor skaleringen udføres ved anvendelse af en skaleringsfaktor N, der beregnes og anvendes ifølge: Ir = N.Ii hvor: Ir er de skalerede peak-intensiteter, og li er intensiteterne af peaks i det spektrum, der skal skaleres, enten de udvalgte teoretiske isotop-peak-intensiteter eller de målte peak-intensiteter; og hvor: I(i,abs) er den absolutte intensitet af peaket i det spektrum, der skal skaleres, 1(2, abs) er den absolutte intensitet af det tilsvarende peak i det andet spektrum, der ikke skal skaleres, og samtlige sammenlægninger er over samtlige peaks i det spektrum, der skal skaleres; og hvor skaleringsfaktoren beregnes som én af
  7. 7. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor trinnet med normalisering af PSD’en omfatter multiplikation af PSD’en med 1/V(2*n).
  8. 8. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor en maksimalgrænseværdi af PSD’en efter normalisering i trin (e) (v) er 1.
  9. 9. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor den vægtede PSD beregnes ifølge én af:
    og hvor: intensiteten af det udvalgte teoretiske isotopmasse-peak er Lp; og lu, hf etc. er fraktionerede intensiteter.
  10. 10. Fremgangsmåde ifølge krav 9 (a), (b) eller (c), hvor trinnet med normalisering af PSD’en omfatter multiplikation af PSD’en med
    for henholdsvis tilfældene (a), (b) og (c) ifølge krav 9.
  11. 11. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor et peak defineres som manglende, hvis SD er større end eller lig med en given tærskelværdi, og hvor beregningen af PSD’en indebærer anvendelse af en penalty for sådanne manglende peaks, hvilken penalty yderligere øger værdien af PSD.
  12. 12. Fremgangsmåde ifølge krav 11, hvor tærskelværdien er 1,0.
  13. 13. Fremgangsmåde ifølge krav 11 eller krav 12, hvor den anvendte penalty beregnes baseret på det signal-til-støjforhold, S/N, som peaket ville forventes at have, hvis det havde ligget i det målte spektrum.
  14. 14. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor et peak defineres som manglende, hvis SD er større end eller lig med en given tærskelværdi, og hvor beregningen af PSD’en indebærer anvendelse af en penalty for sådanne manglende peaks, hvilken penalty yderligere øger værdien af PSD, hvor den pågældende penalty er dE, og dE anvendes på én af følgende måder: (a) hvis dMip > Mexp, udskiftes termen dMiP/Mexp med dE (b) hvis dhp > Iexp, udskiftes termen dlip/lexp med dE (c) hvis både dMiP > Mexp og dkp > Iexp, udskiftes både termen dMiP/Mexp og dlip/lexp med dE, og hvor dE er større end eller lig med 1,0.
  15. 15. Fremgangsmåde ifølge et hvilket som helst foregående krav, hvor positionerne af de målte peaks og/eller positionerne af de teoretiske isotop-peaks indikerer eller er relateret til kvantiteter, der indikerer fysisk masse af ioner/forbindelser/materialer/molekyler.
  16. 16. Fremgangsmåde ifølge krav 15, hvor kvantiteten, der indikerer fysisk masse, er én eller en kombination af hvilke som helst to eller flere af: flyvetid, frekvens, spænding, magnetfelt, vinkelafbøjning.
  17. 17. Computerprogram med elementer af programkode, der, når den eksekveres, udfører fremgangsmåden ifølge et hvilket som helst foregående krav.
  18. 18. Computerlæsbart medium ved udførelse af programmet ifølge krav 17.
DK08251890.3T 2008-05-30 2008-05-30 Fremgangsmåde til behandling af spektrometiske data DK2128791T3 (da)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP08251890.3A EP2128791B1 (en) 2008-05-30 2008-05-30 Method of processing spectrometric data

Publications (1)

Publication Number Publication Date
DK2128791T3 true DK2128791T3 (da) 2018-08-27

Family

ID=40409228

Family Applications (1)

Application Number Title Priority Date Filing Date
DK08251890.3T DK2128791T3 (da) 2008-05-30 2008-05-30 Fremgangsmåde til behandling af spektrometiske data

Country Status (4)

Country Link
US (2) US8831888B2 (da)
EP (1) EP2128791B1 (da)
CA (1) CA2669452C (da)
DK (1) DK2128791T3 (da)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK2128791T3 (da) * 2008-05-30 2018-08-27 Thermo Fisher Scient Bremen Gmbh Fremgangsmåde til behandling af spektrometiske data
AU2010309988A1 (en) * 2009-10-21 2012-06-14 Basf Plant Science Company Gmbh Method for generating biomarker reference patterns
GB2482680A (en) * 2010-08-09 2012-02-15 Shimadzu Corp A method for determining the presence or absence of an element in a sample
US9697338B2 (en) 2011-10-21 2017-07-04 California Institute Of Technology High-resolution mass spectrometer and methods for determining the isotopic anatomy of organic and volatile molecules
US9390238B2 (en) * 2011-12-30 2016-07-12 Dh Technologies Development Pte. Ltd. Windowing combined with ion-ion reactions for chemical noise elimination
US10186410B2 (en) 2012-10-10 2019-01-22 California Institute Of Technology Mass spectrometer, system comprising the same, and methods for determining isotopic anatomy of compounds
GB2514836B (en) 2013-06-07 2020-04-22 Thermo Fisher Scient Bremen Gmbh Isotopic Pattern Recognition
WO2016183647A1 (en) * 2015-05-18 2016-11-24 Universidade Estadual Paulista Júlio De Mesquita Filho - Unesp Method of analysis' pattern recognition and computer program
WO2017025893A2 (en) * 2015-08-13 2017-02-16 Dh Technologies Development Pte. Ltd. Library search tolerant to isotopes
JP6718694B2 (ja) * 2016-02-10 2020-07-08 日本電子株式会社 マススペクトル解析装置、マススペクトル解析方法、および質量分析装置
US10607723B2 (en) * 2016-07-05 2020-03-31 University Of Kentucky Research Foundation Method and system for identification of metabolites using mass spectra
US10615015B2 (en) 2017-02-23 2020-04-07 Thermo Fisher Scientific (Bremen) Gmbh Method for identification of the elemental composition of species of molecules
GB2585258B (en) 2019-01-30 2022-10-19 Bruker Daltonics Gmbh & Co Kg Mass spectrometric method for determining the presence or absence of a chemical element in an analyte
CN110501413B (zh) * 2019-08-13 2021-01-26 中国科学院南京地理与湖泊研究所 基于ft-icr ms的溶解性有机物分子式的确定方法
JP7018422B2 (ja) 2019-12-06 2022-02-10 日本電子株式会社 マススペクトル処理装置及び方法
CN114861113A (zh) * 2021-01-20 2022-08-05 睿励科学仪器(上海)有限公司 一种用于获取样品参数信息的方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5245186A (en) * 1991-11-18 1993-09-14 The Rockefeller University Electrospray ion source for mass spectrometry
IT1271774B (it) * 1994-12-16 1997-06-09 Pirelli Cavi Spa Sistema di telecomunicazione a multiplazione di lunghezza d'onda con fibre ottiche a dispersione cromatica spostata
US6873915B2 (en) * 2001-08-24 2005-03-29 Surromed, Inc. Peak selection in multidimensional data
CA2514343C (en) 2003-01-24 2010-04-06 Thermo Finnigan Llc Controlling ion populations in a mass analyzer
GB2399450A (en) 2003-03-10 2004-09-15 Thermo Finnigan Llc Mass spectrometer
US20050059017A1 (en) * 2003-09-11 2005-03-17 Oldham Mark F. System and method for extending dynamic range of a detector
EP1522958B1 (en) * 2003-10-07 2007-01-24 Bruker AXS GmbH Determining parameters of a sample by X-ray scattering applying an extended genetic algorithm with truncated use of the mutation operator
US9551654B2 (en) * 2004-07-01 2017-01-24 Mcgill University Method for the spectral identification of microorganisms
DK2128791T3 (da) * 2008-05-30 2018-08-27 Thermo Fisher Scient Bremen Gmbh Fremgangsmåde til behandling af spektrometiske data

Also Published As

Publication number Publication date
US8831888B2 (en) 2014-09-09
US20140379279A1 (en) 2014-12-25
CA2669452C (en) 2016-09-06
EP2128791B1 (en) 2018-08-01
CA2669452A1 (en) 2009-11-30
EP2128791A3 (en) 2011-03-09
EP2128791A2 (en) 2009-12-02
US20090299653A1 (en) 2009-12-03

Similar Documents

Publication Publication Date Title
DK2128791T3 (da) Fremgangsmåde til behandling af spektrometiske data
EP3123495B1 (en) High mass accuracy filtering for improved spectral matching of high-resolution gas chromatography-mass spectrometry data against unit-resolution reference databases
US8431886B2 (en) Estimation of ion cyclotron resonance parameters in fourier transform mass spectrometry
JP5375411B2 (ja) クロマトグラフ質量分析データ解析方法及び装置
Russell et al. High‐resolution mass spectrometry and accurate mass measurements with emphasis on the characterization of peptides and proteins by matrix‐assisted laser desorption/ionization time‐of‐flight mass spectrometry
US20230160905A1 (en) Method for evaluating data from mass spectrometry, mass spectrometry method, and maldi-tof mass spectrometer
CN111902719B (zh) 自动的质谱分析方法和仪器
Meringer et al. MS/MS data improves automated determination of molecular formulas by mass spectrometry
US7904253B2 (en) Determination of chemical composition and isotope distribution with mass spectrometry
US20140361159A1 (en) Isotopic Pattern Recognition
US7197402B2 (en) Determination of molecular structures using tandem mass spectrometry
US20200232956A1 (en) Accurate mass spectral library for analysis
EP4078600B1 (en) Method and system for the identification of compounds in complex biological or environmental samples
CN112534267A (zh) 复杂样本中相关化合物的识别和评分
CN112640031A (zh) 同位素质谱法
Alton et al. Scaled Kendrick Mass Defect Analysis for Improved Visualization of Atmospheric Mass Spectral Data
US20220301839A1 (en) Method for analyzing mass spectrometry data, computer program medium, and device for analyzing mass spectrometry data
Wei et al. A method of aligning peak lists generated by gas chromatography high-resolution mass spectrometry
JP5150370B2 (ja) 質量分析システムおよび質量分析方法
Lyutvinskiy et al. Adding colour to mass spectra: Charge Determination Analysis (CHARDA) assigns charge state to every ion peak
CN117461087A (zh) 用于鉴别质谱中的分子种类的方法和装置