計算機(jī)輔助結(jié)構(gòu)識別的制作方法
【專利摘要】本發(fā)明涉及一種用于在GC×GC（2維）質(zhì)譜分析法中分析從樣本中得到的質(zhì)譜數(shù)據(jù)的方法，包括：（a）將分析物的質(zhì)譜數(shù)據(jù)與數(shù)據(jù)庫中已知結(jié)構(gòu)的候選化合物的質(zhì)譜數(shù)據(jù)進(jìn)行比較；（b）基于質(zhì)譜數(shù)據(jù)的相似性識別來自庫的多個候選化合物；（c）對于每個候選化合物，利用基于多個分子描述符的定量模型預(yù)測至少一個分析性質(zhì)的值；以及（d）基于在步驟（c）中預(yù)測的值以及對于分析物的分析性質(zhì)的測量值計算對于每個候選化合物的匹配得分。
【專利說明】計算機(jī)輔助結(jié)構(gòu)識別
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種用于根據(jù)從樣本中得到的質(zhì)譜和色譜數(shù)據(jù)識別化合物的自動的計算機(jī)輔助方法。具體而言，本發(fā)明涉及用于利用二維氣相色譜-質(zhì)譜分析法(GCXGC-MS)識別化合物的方法，以及用于使從該方法中得到的質(zhì)譜和色譜數(shù)據(jù)進(jìn)行自動說明的程序。
【背景技術(shù)】
[0002]質(zhì)譜分析法為一種分析工具，其能夠用于通過根據(jù)化學(xué)化合物的質(zhì)荷比(m/z)檢測電離的化合物和碎片來確定化學(xué)化合物及其碎片的分子量。分子離子通過由化學(xué)化合物誘導(dǎo)電荷的損失或增加而產(chǎn)生，例如經(jīng)由電子發(fā)射、質(zhì)子化或去質(zhì)子化。碎片離子通過碰撞誘導(dǎo)解離或能量誘導(dǎo)解離產(chǎn)生。結(jié)果數(shù)據(jù)通常表示為譜，具有在X軸上為m/z比以及在y軸上為離子豐度的圖。因此，該譜示出了在被分析的離子群中m/z值的分布。這種分布為給定化合物的特征。因此，如果樣本為純化合物或僅包含少許化合物，質(zhì)譜分析法能夠揭示出樣本中化合物的識別。
[0003]復(fù)雜樣本通常包含過多的化學(xué)化合物使得僅通過質(zhì)譜分析法不能對其進(jìn)行有意義地分析，這是由于不同化學(xué)化合物的電離可能造成具有相同m/z值的離子。樣本包含的化學(xué)化合物越多，則越有可能從不同化合物產(chǎn)生相同m/z值的離子。因此，在質(zhì)譜分析法之前復(fù)雜樣本通常例如通過液相色譜法(LC)、氣相色譜法(GC)或者毛細(xì)管電泳而在一定程度上被溶解。對于揮發(fā)性化合物的分析，氣相色譜法和質(zhì)譜分析法(GC-MS)的結(jié)合是有利的。一些電離方法在GC中是可行的，一種最為普遍的是電子碰撞(EI)，其中通過利用由單纖維發(fā)射的電子轟擊來電離分子。
[0004]在樣本分離步驟(色譜分析法)期間，樣本中的化學(xué)化合物基于其在樣本分離系統(tǒng)(色譜柱)中停留多長時間來進(jìn)行分離。一旦化學(xué)化合物離開樣本分離系統(tǒng)，其進(jìn)入質(zhì)譜儀系統(tǒng)中，并且如上所述地開始電離/離子分離/檢測程序。對于每個化合物，化合物產(chǎn)生在質(zhì)譜中的信號之前其保持在樣本分離系統(tǒng)中的時間為其結(jié)構(gòu)的函數(shù)并且被稱為保留時間(RT)0但是，保留時間還特定于所使用的儀器，并且特別是氣相色譜儀中的色譜柱規(guī)格。
[0005]在沒有對在其上首先測量RT的儀表的精確復(fù)制的情況下，隨后測量的相同樣本的RT可能不匹配在初始色譜分析法或計算機(jī)化方法文件(包括校準(zhǔn)表和事件表)中規(guī)定的RT并且會導(dǎo)致誤識別峰值。一種解決方案是利用保留指數(shù)(RI)或Kovats指數(shù)(KI)的“相對保留”方法，其規(guī)避了與由于儀器到儀器或色譜柱到色譜柱的變化導(dǎo)致的RT中的差異相關(guān)的問題。已知在現(xiàn)有技術(shù)中基于分子結(jié)構(gòu)和相關(guān)特征預(yù)測Kovats指數(shù)(KI)的模型。基于這些因素預(yù)測KI的模型稱為定量結(jié)構(gòu)性質(zhì)關(guān)系(QSPR)模型。例如，參見Mihaleva等人于 2009 年發(fā)表的 Bioinformatics 6:787-794 ;Garjan1-Nejad 等人于 2004 年發(fā)表的Journal of Chromatography A, 1028:287-295 ;Seeley和 Seeley 于 2007年發(fā)表的 Journalof Chromatoraphy A, 1172:72-83。這種類型的程序?qū)z測的峰值的實(shí)際保留時間轉(zhuǎn)換為對多個參考化合物歸一化的數(shù)字。這對于將保留時間與數(shù)據(jù)庫和庫進(jìn)行比較以識別個體成分是特別有用的。這種庫提供大量的已知化合物，并且通過GC-MS實(shí)驗(yàn)得到的數(shù)據(jù)和在庫中的化合物之間的匹配能夠幫助識別化合物。
[0006]為了提高GC-MS的分辨率，可以增加GC的“第二維度”，例如通過結(jié)合GC色譜柱與第二 GC色譜柱(通常稱為2DGC-MS或GC X GC-MS，并且在此與術(shù)語GC X GC-TOF或GCXGC-TOF-MS互換使用)。參見Venkatramani和Phillips于1993年9月發(fā)表的J.Microcolumn 5:511-516。感興趣的峰值從第一色譜柱轉(zhuǎn)移到第二色譜柱以進(jìn)行進(jìn)一步分離，然后被饋入質(zhì)譜分析法系統(tǒng)中。但是，實(shí)際上，GCXGC-MS依靠與化合物庫的結(jié)構(gòu)相關(guān)性以進(jìn)行未知化合物的識別。最廣泛用于結(jié)構(gòu)識別的化合物庫(例如NIST庫)包含對于僅9%的具有質(zhì)譜數(shù)據(jù)的化合物的保留指數(shù)信息。RI或KI數(shù)據(jù)的使用允許源自與庫數(shù)據(jù)進(jìn)行比較的結(jié)構(gòu)分配得以改進(jìn)。但是，為了達(dá)到未知化合物的識別中可接受的置信水平，分配必須由使用者說明并且通過質(zhì)譜分析法與參考標(biāo)準(zhǔn)進(jìn)行比較以確認(rèn)提出的結(jié)構(gòu)。這種方法具有許多的缺點(diǎn)，包括需要手動重復(fù)該程序，這是低效率的；KovatS指數(shù)庫的大小受限；由于需要手動干預(yù)，因而缺少標(biāo)準(zhǔn)化；全部這些造成了在識別程序中置信水平的降低。
[0007]在識別化合物結(jié)構(gòu)的傳統(tǒng)方法中，通過氣相色譜-電子碰撞離子化-質(zhì)譜分析法(GC-E1-MS)產(chǎn)生的質(zhì)譜數(shù)據(jù)與商用版的質(zhì)譜數(shù)據(jù)庫進(jìn)行比較(圖1)。利用該程序，識別僅具有較低的置信水平。為了提高置信水平，執(zhí)行質(zhì)譜庫檢索的手動驗(yàn)證和說明，并且將實(shí)驗(yàn)的保留時間或Kovats指數(shù)與數(shù)據(jù)庫錄入(例如，NIST保留指數(shù)庫)進(jìn)行比較。最后，對于化合物識別，需要利用參考標(biāo)準(zhǔn)進(jìn)行確認(rèn)。但是，由于這是十分耗資且耗時的事實(shí)，目前僅對于有限數(shù)目的化合物執(zhí)行了該方法。
[0008]因此，對于用于說明GC-MS數(shù)據(jù)的改進(jìn)的程序存在大量的需求，該程序?qū)⒃试S在結(jié)構(gòu)識別中更高的自動化水平以及在結(jié)果中更高的置信水平。

【發(fā)明內(nèi)容】

[0009]在第一方面中，提供了一種用于在二維氣相色譜-質(zhì)譜分析法(GCXGC-MS)中分析從樣本中得到的質(zhì)譜數(shù)據(jù)的方法，包括:
[0010](a)將從包括分析物的樣本中得到的質(zhì)譜數(shù)據(jù)與庫中已知結(jié)構(gòu)的候選化合物的質(zhì)譜數(shù)據(jù)進(jìn)行比較；
[0011](b)基于質(zhì)譜數(shù)據(jù)的相似性識別來自庫的多個候選化合物；
[0012](C)對于每個候選化合物，利用基于多個分子描述符的定量模型預(yù)測至少一個分析性質(zhì)的值；以及
[0013](d)對于每個候選化合物，基于在步驟(C)中預(yù)測的值和對于分析物的分析性質(zhì)的測量值計算匹配得分。
[0014]在該方法的各個實(shí)施方案中，在步驟(C)之中，分析性質(zhì)得分源于候選化合物的分析性質(zhì)的預(yù)測值和分析物的測量值。在步驟(d)中，對于分析物的分析性質(zhì)的測量值可以是如通過在軟件中的算法確定的譜相似值以查詢數(shù)據(jù)庫，例如通過NIST提供的那些。候選化合物的分析性質(zhì)的預(yù)測值根據(jù)基于多個分子描述符的定量模型計算。因此，在一個實(shí)施方案中，步驟(c)的定量模型能夠通過下面的步驟建立:
[0015](i)提供已知結(jié)構(gòu)的訓(xùn)練化合物的集合和已知結(jié)構(gòu)的測試化合物的集合，并且選擇性地提供已知結(jié)構(gòu)的驗(yàn)證化合物的集合；
[0016](ii)對于每個訓(xùn)練化合物、每個測試化合物以及每個驗(yàn)證化合物生成分析性質(zhì)的測量值；
[0017](iii)對于每個訓(xùn)練化合物，基于化學(xué)結(jié)構(gòu)和性質(zhì)計算分子描述符的集合；
[0018](iv)通過利用基因算法從用于分析性質(zhì)的定量模型中的分子描述符的集合中選擇分子描述符的集合；
[0019](V)利用選擇的分子描述符的集合生成多個提出的定量模型；
[0020](Vi)通過對于每個測試化合物計算分析性質(zhì)的預(yù)測值來估計每個提出的定量模型；
[0021](Vii)根據(jù)對于每個測試化合物的分析性質(zhì)的測量值和預(yù)測值的均方根誤差(RMSE)和/或平方相關(guān)(r2)選擇定量模型；以及可選地
[0022](Viii)根據(jù)在對于每個驗(yàn)證化合物的分析性質(zhì)的測量值和預(yù)測值的平方相關(guān)(r2)選擇定量模型。
[0023]在各個實(shí)施方案中，在步驟(iv)中使用的基因算法優(yōu)選地包括:
[0024](P)在機(jī)器學(xué)習(xí)算法(例如但不限于多元線性回歸、k_最近鄰法或支持向量回歸)中利用兩個或多個分子描述符的結(jié)合生成多個候選方案；
[0025](q)根據(jù)基于訓(xùn)練化合物的交叉驗(yàn)證平方相關(guān)(q2)的適應(yīng)度函數(shù)為每個候選方案記分；
[0026](r)通過重組和/或改變產(chǎn)生改進(jìn)的交叉驗(yàn)證平方相關(guān)的候選方案來生成新的候選方案；以及
[0027](s)有限次數(shù)地重復(fù)步驟(q)和(r)，例如，生成10至50次。
[0028]通過不同的機(jī)器學(xué)習(xí)算法生成的候選方案能夠通過比較來識別表現(xiàn)最佳的方案。
[0029]當(dāng)GCXGC-MS分離系統(tǒng)(例如色譜柱規(guī)格、溫度曲線、流動相)或質(zhì)譜分析系統(tǒng)的特定設(shè)置改變時，至少執(zhí)行一次對于一個或多個分析性質(zhì)的定量模型的建立。在已經(jīng)對于實(shí)驗(yàn)設(shè)置建立定量模型之后，每次分析由該特定設(shè)置生成的分析物的數(shù)據(jù)時沒有必要執(zhí)行同樣的建立。
[0030]每個分析性質(zhì)的函數(shù)(分析性質(zhì)得分)優(yōu)選作為二次函數(shù)計算，其中對于分析性質(zhì)P，
[0031]J=I/(- ((exp_p- (exp_p- (ηI X SEP))) X exp_p- (exp) p+ (nl X SEP))))) X ((pre_p-(exp_p-(nlXSEP)))X (pre_p-(exp_p+(nlXSEP))))。
[0032]Exp_p=由實(shí)驗(yàn)得到的性質(zhì)的測量值，pre_p=性質(zhì)的預(yù)測值，以及SEP=標(biāo)準(zhǔn)誤差或預(yù)測。如果預(yù)測的和由實(shí)驗(yàn)得到的測量值是相同的，則方程式=1。利用MicrosoftExcel2003的STEXY函數(shù)，根據(jù)公式計算SEP:
[_ I7I1 Σ?ν 皇
[0034]其中X為樣本的值，y為對于樣本的X的預(yù)測值，以及η為樣本的數(shù)目。
[0035]在該方法的步驟(d)中，從質(zhì)譜數(shù)據(jù)庫比較中得到的譜相似值能夠用于生成數(shù)值，其中組合譜相似值和分析性質(zhì)得分。該數(shù)值在此處被稱為匹配得分，也被稱為附圖中的計算機(jī)輔助結(jié)構(gòu)識別(CASI)得分。在優(yōu)選的實(shí)施方案中，匹配得分利用雙曲線方程進(jìn)行計算。本發(fā)明的概念不同于用于當(dāng)前可行方法中的那些，其中分析性質(zhì)值被用作過濾器以選擇或不選候選化合物。
[0036]可選地，對于與樣本相關(guān)的每個查詢，最高匹配得分和次高匹配得分能夠通過將最高得分除以次高得分以生成判別函數(shù)來進(jìn)行比較，其中在兩個得分之間的差異越大，產(chǎn)生的判別函數(shù)越大。判別函數(shù)越大，能夠分配給每個查詢的置信得分越高。置信得分能夠通過用最高匹配得分乘以判別函數(shù)值進(jìn)行計算。
[0037]在該方法的優(yōu)選實(shí)施方案中，步驟(C)包括對于每個候選化合物的多個分析性質(zhì)的預(yù)測值。在一個實(shí)施方案中，匹配得分得自從質(zhì)譜數(shù)據(jù)庫比較中得到的譜相似性以及至少兩個利用多個分子描述符獲得的分析性質(zhì)的函數(shù)。在另一個實(shí)施方案中，匹配得分得自從質(zhì)譜數(shù)據(jù)庫比較中得到的譜相似值以及分析性質(zhì)得分，其中分析性質(zhì)為通過利用多個分子描述符獲得的相對的第二維度保留時間。
[0038]在本發(fā)明中有用的優(yōu)選分析性質(zhì)包括Kovats指數(shù)、沸點(diǎn)以及相對的第二維度保留時間(2D rel RT)。如果用于本發(fā)明的方法中的預(yù)測分析性質(zhì)包括Kovats指數(shù)和2D relRT,則Kovats指數(shù)和相對的2D保留時間優(yōu)選利用不同的分子描述符進(jìn)行計算。優(yōu)選地，使用全部三個優(yōu)選的分析性質(zhì)。
[0039]化合物的Kovats指數(shù)利用包括多個系數(shù)的線性方程(每個系數(shù)乘以分子描述符的值)進(jìn)行預(yù)測。該方程優(yōu)選通過利用測試數(shù)據(jù)集合和基因算法得到以從多個可能的分子描述符中選擇分子描述符，以及通過利用線性回歸或k最近鄰學(xué)習(xí)算法得到以將選擇的分子描述符與待預(yù)測的值相關(guān)。
[0040]化合物的沸點(diǎn)能夠基于實(shí)驗(yàn)確定的Kovats指數(shù)進(jìn)行預(yù)測。候選化合物的沸點(diǎn)根據(jù)其個體化學(xué)結(jié)構(gòu)，利用現(xiàn)有技術(shù)中已知的軟件包進(jìn)行計算，例如但不限于來自高級化學(xué)發(fā)展有限公司(AO)/Labs,多倫多,加拿大)的AO)/PhysChem。
[0041]在現(xiàn)有技術(shù)已知的方法中，第二維度保留時間為絕對的第二維度保留時間，并且不存在用于計算相對的2D保留時間的已知可行方法。對于開發(fā)相對模型的挑戰(zhàn)在于定義對于所有第二維度峰值可訪問的參考系統(tǒng)。這個問題通過參考基于參考標(biāo)準(zhǔn)的集合的假設(shè)參考系統(tǒng)得以解決，例如氘化正構(gòu)烷烴。氘化或同位素標(biāo)記的化合物能夠用于參考系統(tǒng)中，用于控制保留時間或內(nèi)部基于標(biāo)準(zhǔn)的量化。雖然其他物質(zhì)能夠用作參考化合物，但是正構(gòu)烷烴優(yōu)選用作生成假設(shè)2D-RT參考系統(tǒng)的一類物質(zhì)，這是因?yàn)檫@類化合物不具有任何已知的與第二維分離系統(tǒng)的色譜柱中的固定相的復(fù)雜相互作用。因此，該參考系統(tǒng)調(diào)節(jié)系統(tǒng)偏移(systemic shifts)(例如不同的色譜柱長度和氣流),但是不調(diào)節(jié)分析物-固定相移，因?yàn)檫@些偏移是由于化合物的獨(dú)特性質(zhì)。因此關(guān)于調(diào)節(jié)完整的化合物空間的穩(wěn)定性，調(diào)整系統(tǒng)偏移是優(yōu)選的方法。在本發(fā)明的一個實(shí)施方案中，GCXGC-MS的第一維度在非極性環(huán)境中分離，而第二維度在極性環(huán)境中分離。
[0042]根據(jù)本發(fā)明，化合物的相對的第二維度保留時間有利地計算為相對于假設(shè)參考標(biāo)準(zhǔn)(例如，正構(gòu)烷烴)的保留時間，其保留時間得自基于一系列參考標(biāo)準(zhǔn)(例如，氘化正構(gòu)烷烴)的回歸函數(shù)。化合物的相對的第二維度保留時間如下進(jìn)行計算:
[0043]
2D —rel RTcomp =abs2DRTcomp /2DRT假設(shè)參考
[0044]其中2D_rel RTcomp 為化合物的相對的第二維度保留時間；abs2D RTcomp 為測量的化合物的絕對的第二維度保留時間；以及2D RTfgs#if為對于在參考標(biāo)準(zhǔn)化合物I和化合物2
之間洗脫的每個化合物進(jìn)行計算，例如其能夠?yàn)殡龢?gòu)烷烴:
[0045]
(
【權(quán)利要求】
1.一種用于在GCXGC (2維)質(zhì)譜分析法中分析從樣本得到的質(zhì)譜數(shù)據(jù)的方法，包括: Ca)將分析物的質(zhì)譜數(shù)據(jù)與庫中的已知結(jié)構(gòu)的候選化合物的質(zhì)譜數(shù)據(jù)進(jìn)行比較； (b)基于質(zhì)譜數(shù)據(jù)的相似度從庫中識別來自所述庫的多個候選化合物； (C)對每個候選化合，利用基于多個分子描述符的定量模型物預(yù)測至少一個分析性質(zhì)的值；以及 Cd)基于在步驟(C)中預(yù)測的值以及對于所述分析物的分析性質(zhì)的測量值計算對于每個候選化合物的匹配得分。
2.根據(jù)權(quán)利要求1所述的方法，其中步驟(c)包括對于每個候選化合物預(yù)測多個分析性質(zhì)的值，其中預(yù)測的分析性質(zhì)包括Kovats指數(shù)、沸點(diǎn)和相對的第二維度保留時間中的至少一個。
3.根據(jù)權(quán)利要求1或2所述的方法，其中所述分析物的所述相對的第二維度保留時間為所述化合物的絕對的第二維度保留時間和假設(shè)參考標(biāo)準(zhǔn)的第二維度保留時間的函數(shù)，其中所述假設(shè)參考標(biāo)準(zhǔn)的第二維度保留時間根據(jù)一系列參考標(biāo)準(zhǔn)的絕對的第一維度保留時間和絕對的第二維度保留時間上的線性回歸進(jìn)行計算。
4.根據(jù)前述權(quán)利要求中任一項(xiàng)所述的方法，其中所述匹配得分額外地取決于步驟(b)中的質(zhì)譜數(shù)據(jù)的相似度。
5.根據(jù)權(quán)利要求1所述的方法，其中通過利用測試數(shù)據(jù)集合和基因算法來從多個可能的分子描述符中選擇分子描述符，以及通過利用選自線性回歸、支持向量回歸或者k最近鄰方法的機(jī)器學(xué)習(xí)算法來將選擇的分子描述符與待預(yù)測的值進(jìn)行相關(guān)，從而得到步驟(C)的所述定量模型。
6.根據(jù)權(quán)利要求1所述的方法，其中步驟(c)的所述定量模型為一種用于建立定量模型的方法的產(chǎn)品，其包括下面的步驟: (i )提供已知結(jié)構(gòu)的訓(xùn)練化合物的集合和已知結(jié)構(gòu)的測試化合物的集合，以及選擇性提供已知結(jié)構(gòu)的驗(yàn)證化合物的集合； (ii)對于每個訓(xùn)練化合物、每個測試化合物和每個驗(yàn)證化合物生成分析性質(zhì)的測量值； (iii)對于每個訓(xùn)練化合物，基于化學(xué)結(jié)構(gòu)和性質(zhì)計算分子描述符的集合； (iv)通過利用基因算法，從用于所述分析性質(zhì)的定量模型的分子描述符的集合中選擇分子描述符的集合； (V)利用選擇的分子描述符的集合生成多個提出的定量模型； (vi)通過對于每個測試化合物計算所述分析性質(zhì)的預(yù)測值來估計每個提出的定量模型； (vii)根據(jù)對于每個測試化合物在所述分析性質(zhì)的測量值和預(yù)測值上的均方根誤差(RMSE)和/或平方相關(guān)(r2)選擇所述定量模型；以及選擇性地 (viii)根據(jù)對于每個驗(yàn)證化合物在所述分析性質(zhì)的測量值和預(yù)測值上的均方根誤差(RMSE)和/或平方相關(guān)(r2)選擇所述定量模型。
7.根據(jù)權(quán)利要求6所述的方法，其中利用(iii)的基因算法，包括 (P)利用選自多元線性回歸、k-最近鄰方法或支持向量回歸的機(jī)器學(xué)習(xí)算法中的兩個或多個分子描述符的結(jié)合生成多個候選方案；(r)根據(jù)基于所述訓(xùn)練化合物的交叉驗(yàn)證平方相關(guān)(q2)的適應(yīng)度函數(shù)為每個候選方案記分； Cs)通過重組和/或改變產(chǎn)生增加的交叉驗(yàn)證平方相關(guān)的所述候選方案來生成新的候選方案；以及 (t)有限次數(shù)的重復(fù)步驟(r)和(S)。
8.根據(jù)前述權(quán)利要求中任一項(xiàng)所述的方法，對于計算相對的第二維度保留時間，假設(shè)參考標(biāo)準(zhǔn)為假設(shè)氣化正構(gòu)燒烴，并且參考標(biāo)準(zhǔn)的系列包括多個氣化正構(gòu)燒烴。
9.根據(jù)前述權(quán)利要求中任一項(xiàng)所述的方法，進(jìn)一步包括通過包括以下步驟的方法來驗(yàn)證候選結(jié)構(gòu): (A)在GCXGC-TOF-MS中，測量相對于參考化合物的第一集合的分析物的Kovats指數(shù)； (B)在GCXGC-TOF-MS中，測量相對于參考化合物的第一集合的參考化合物的第二集合的Kovats指數(shù)； (C)在GC-APC1-TOF-MS中，測量參考化合物的第二集合的絕對保留時間；以及 (D)在GC-APC1-TOF-MS中，利 用在步驟(b)中測量的參考化合物的第二集合的Kovats指數(shù)來通過線性回歸得出用于將步驟(A)中測量的分析物的Kovats指數(shù)轉(zhuǎn)換為估計的分析物的絕對保留時間的函數(shù)。
10.根據(jù)權(quán)利要求9所述的方法，進(jìn)一步包括: (E)在GC-APC1-TOF-MS中，測量分析物的絕對保留時間； (F)對于所述分析物，在GC-APC1-TOF-MS中利用在步驟(D)中計算的函數(shù)，來將在步驟(E)中測量的絕對保留時間轉(zhuǎn)換為分析物的計算的Kovats指數(shù)；以及 (G)將步驟(F)中計算的Kovats指數(shù)與來自步驟(A)的測量的Kovats指數(shù)進(jìn)行比較。
11.根據(jù)權(quán)利要求9或10所述的方法，其中步驟(D)的函數(shù)通過對于每個保留時間范圍的線性回歸得出，此處分析物在參考化合物的第二集合的兩個鄰近參考化合物之間進(jìn)行檢測，其中所述函數(shù)為: 在 GC-APC1-TOF-MS 中的分析物 RT=a (在 GCXGC-TOF-MS 中的分析物 KI) +b， 其中a為系數(shù)，以及b為對于特定時間范圍的常量。
12.根據(jù)權(quán)利要求9至11中任一項(xiàng)所述的方法，進(jìn)一步包括將所述分析物的分子質(zhì)量與對于每個分析物的各自候選化合物的分子質(zhì)量進(jìn)行比較。
13.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的方法，其中參考化合物的第一集合為氘化正構(gòu)烷烴，以及參考化合物的第二集合為氘化脂肪酸甲酯。
14.一種對于分子結(jié)構(gòu)在GCXGC-MS (聯(lián)合質(zhì)譜分析法的2維氣相色譜分析法)中計算預(yù)測的相對的第二維度保留時間的方法，包括以下步驟: (a)基于假設(shè)氘化正構(gòu)烷烴的函數(shù)定義參考系統(tǒng)； (b)將對于已知分子結(jié)構(gòu)的多個訓(xùn)練化合物的絕對的第二維度保留時間的測量值轉(zhuǎn)換到參考系統(tǒng)中，以計算對于訓(xùn)練化合物的相對的第二維度保留時間； (c)利用對于訓(xùn)練化合物的相對的第二維度保留時間來基于多個分子描述符生成相對的第二維度保留時間的定量模型； (d)利用所述定量模型來預(yù)測所述分子結(jié)構(gòu)的相對的第二維度保留時間。
15.一種計算機(jī)系統(tǒng)，所述計算機(jī)系統(tǒng)編程為執(zhí)行權(quán)利要求1至14中任一項(xiàng)的方法，其選擇性地連接至GCXGC (2維)質(zhì)譜儀。
【文檔編號】H01J49/00GK103650100SQ201280032300
【公開日】2014年3月19日 申請日期:2012年4月30日 優(yōu)先權(quán)日:2011年4月28日
【發(fā)明者】A·克諾爾, A·蒙赫, M·施圖貝爾, P·巴斯比昔 申請人:菲利普莫里斯生產(chǎn)公司