最先端のAI 技術とGCxGCの融合で実現する
未知物質構造解析の新時代
msFineAnalysis AIは、GC/EI データとGC/ ソフトイオン化データを組み合わせた新しい定性解析"統合解析"と、4つのAI技術による"AI構造解析"を実現した、JEOL製JMS-T2000GC AccuTOF™ GC-Alpha 専用の未知物質構造解析ソフトウェアです。
Ver.3 では通常のGC-MS データ解析に加え、包括的二次元ガスクロマトグラフィー (GCxGC) データの解析にも対応しました。石油試料やライフサイエンス試料といった複雑系混合物において、GCxGC による超高分離能とmsFineAnalysis AIによる未知物質構造解析が威力を発揮します。
先進のAI テクノロジーが実現する今までにない自動構造解析システムが、GC-MS およびGCxGC-MS 定性分析の常識を覆します。
特長
#1 AI構造解析
4つのAI技術が導く革新的なソリューション
未知物質の分子式決定と構造式推定をサポート
NIST DB 未登録の未知物質 (▼) に対し、従来のmsFineAnalysisでは分子式を自動で提供しました。msFineAnalysis AIを使えば、未知物質の構造式を自動で推定することが可能です。
ソフトイオン化法の必要性：確実な分子式情報取得が構造解析の第1歩！
EI法はライブラリーデータベースに多くのスペクトルデータが登録されており、GC-MSの定性分析に幅広く活用されています。しかし、EI法は最もハードなイオン化法であるため、分子イオン以外にも多くのフラグメントイオンが観測され、分子イオンが全く観測されないこともしばしばあります。
そのため、ライブラリーデータベースに未登録の未知物質の場合、EIマススペクトルだけでは観測された最もm/z値が大きいイオンが分子イオンなのか、それともフラグメントイオンなのか、その判別は困難となります。そのような場合はソフトイオン化法が有効となります。
AccuTOF™ GC-AlphaではFI・PI・CIといった多彩なソフトイオン化法が使用可能です。また、ソフトイオン化法は、分子イオンやプロトン付加分子といった分子量情報を与えるイオンを観測しやすく、さらに精密質量を組み合わせることによって、未知成分の分子式情報を正確に得ることが可能となります。
未知物質のAI構造解析における出発点としても分子式情報が必要なため、ソフトイオン化法による分子式情報取得はますます重要になっています。
ライブラリー未登録成分のマススペクトル
熟練した解析者による手動構造解析 vs AI自動構造解析
※JMS-T2000GC 標準構成PCでの計測値です。
アクリル樹脂のPy-GC-TOFMS 測定データで観測されたNISTライブラリーデータベース未登録化合物に対する構造解析に要した時間を比較しました。質量分析に携わって30年以上の熟練した解析者でも、4成分の構造解析に約2時間、つまり1成分あたり30分程度を要しました。
一方、AI構造解析では、100成分の構造解析に7分弱、つまり1成分あたり4秒で構造解析を終了しました。
熟練した解析者が推定した構造式と、その構造式のAI構造解析スコア (類似度) です。良い一致で構造式を予測できていることが分かります。
4つのAI技術が導く革新的なソリューション
オフライン環境での自動構造解析を実現
msFineAnalysis AIでは異なる4つのAI モデル (表1 参照) を活用し、分子式、部分構造、構造式に関する解析を自動で行います。時間、経験、ノウハウが求められた未知物質の解析をソフトウェアが自動で行い、解析結果を迅速に提供します。
表1 msFineAnalysis AIで使用している4つのAIモデル
| # | 予測するもの | ソフトウェア機能 |
|---|---|---|
| 1 | EIマススペクトル | AIライブラリー |
| 2 | リテンションインデックス (RI) | AIライブラリー |
| 3 | 部分構造 | 48の部分構造存在を提案 |
| 4 | 分子式 | AI分子式レコメンド |
msFineAnalysis AIワークフロー
第4のAIで分子式候補を一意に選択
深層学習モデルを使い、分子式候補にスコア (IMスコア) を与え、ランク付けします。特に高質量域における複数候補からの分子式決定に威力を発揮します。
AIモデルの進化
Graph Convolutional Networksを用いたEIマススペクトル予測モデルが更に進化！Ver.1、Ver.2 から性能が大きく向上し、より確度の高い自動構造解析結果を提供します。
右図は、既知の10,000化合物の実測、マススペクトルと予測マススペクトルのコサイン類似度のヒストグラムです。
Ver.3のAIモデルはその性能を更に進化させ、コサイン類似度平均値は0.86まで向上しました！ (Ver.1：0.72、Ver.2：0.80)
AIモデルの進化：コサイン類似度ヒストグラム
食品中未知物質の構造解析
食品中未知物質解析として、牡蠣中の未知物質 (NIST DB 未登録物質) の解析を行いました。論文で1,5-Octadien-3-olと同定さ れた成分1) に対してAI構造解析を行ったところ、2,544の構造式候補が得られ、部分構造フィルター"ヒドロキシル基 -OH"で1,012候補まで絞り込むことができました。該当構造式は、AIスコア936と良好であり、全体2番目のスコアと高い精度で構造式を得 ることができました。
1) Kenji Ueda, Koki Yahiro, Yoshihiko Akakabe, J. Oleo Sci. 72, (7) 725-732 (2023)
牡蠣中未知物質のAI構造解析結果画面
HS-SPME オートサンプラー装着図
#2 GCxGC データ解析
複雑な試料における未知物質解析も網羅
GCxGCは2 本の種類の異なるカラムを使用することで、多くの成分が含まれる複雑な試料を高い分離能で分析することが可能です。GCxGC超高分離能とAI構造解析を組み合わせた新しい定性解析ソリューションを実現します。
HeLa細胞中の未知物質解析事例
HeLa細胞中の水溶性代謝物をTMS誘導体化し、GCxGC-TOFMSで測定した結果、全674成分の代謝物を検出できました。先行研究2) において、N-メチルウリジル酸 (N-メチルUMP) と同定された未知物質 (NIST DB未登録物質) についてAI構造解析を行いました。その結果、N-メチルUMPは1 位の候補として得られ、 AIスコアは805と良好でした。 また、N-メチルUMPと核酸関連物質は2ndカラムのRTが近く、極性が近い化合物であることもわかります。
2) Lai Z., Tsugawa H., et al. (2018). Nature Methods, 15 (1), 53–56. DOI: 10.1038/nmeth.4512
(試料ご提供：国立大学法人東京農工大学 津川裕司教授)
リサイクルオイルの詳細分析事例
ポリエチレン (PE)､ポリプロピレン (PP)､ポリ塩化ビニル (PVC) を混合原料として生成した熱分解オイルをGCxGC-TOFMSで分析しました｡ その結果､1D GC では分離困難なPE/PP由来のアルカン､アルケ ンについても明確に分離することができました｡EI/SI統合解析では 各ピークの分子式を確実に導出でき､AI構造解析ではNIST DB未登録のPP由来の化合物の構造式を導出することができました｡
(試料ご提供：国立大学法人東北大学 熊谷将吾准教授)
#3 ターゲット分析
既知物質の迅速探索から未知物質の同定まで網羅
ターゲット分析機能では組成式、m/z値、CAS#から化合物を自動で探索します。
ターゲット分析リストは自由に編集可能です。またプリセットのターゲット分析リストもご用意しています。
ターゲット分析で検出した成分の統合解析・AI構造解析も可能です。
食品中香気成分・異臭成分のターゲット分析
msFineAnalysis AIはノンターゲット分析だけでなく、ターゲット分析にも対応しています。
組成式、m/z値、CAS#、いずれかの情報からターゲット化合物を自動で探索します。
レモン果汁中香気成分データに対して、異臭498成分のターゲットリストで解析したところ、10化合物を抽出しました。右下の結果画面は10成分のうちのCitralの詳細解析結果です。
異臭498成分のターゲットリスト
(プリセット)
レモン果汁中に存在したCitralの詳細解析結果画面
#4 デコンボリューション検出
精密質量デコンボリューションにより1成分のように見えるピーク中の複数成分を検出することが可能です。ベースラインに埋もれてしまった微量成分も見逃しません。
EI: 黒色実線：TICC、灰色ピーク：デコンボリューションピーク（青色は選択中）
SI: 緑色実線：TICC、灰色ピーク：デコンボリューションピーク（青色は選択中）
デコンボリューション検出では、TICC上で確認できない微量成分や、1成分のように見えるピーク中の複数成分を検出することが可能です。
多数の成分を自動で一斉に検出できるため、これまでのように抽出イオンクロマトグラム（EIC）をひとつひとつ作成する必要はありません。
#5 2検体比較 (差異分析)
分析ニーズが増加している2検体比較 (差異分析) に対応しています。
正常品と不良品、ロット間の違いなど2検体間のわずかな差異を抽出することが可能です。
ボルケーノプロットの詳細解析画面 (A: 良品、B: 不良品)
縦軸にp値を用いた再現性、横軸に2検体間の強度比を示すボルケーノプロットを採用しており、視覚的に2検体の差異成分を確認することができます。例えば正常品と不良品を比較して不良品で増減している成分や、新規材料と既存材料を比較して新規材料に特徴的な成分を確認できます。
2検体比較機能では測定データ数として、n=1、3、5の設定が可能です。
仕様・オプション
主な仕様
JMS-T2000GC AccuTOF™ GC-Alpha
| 質量分解能 | 30,000 @m/z 614 |
|---|---|
| 質量精度 | 1 ppm@EI標準イオン源 |
| イオン化法 | EI、CI、PI、FI、FD、DEI、DCI |
msFineAnalysis AI
| 仕様・機能 |
※1【AIライブラリー登録化合物数】
|
|---|
カタログダウンロード
msFineAnalysis AI 未知物質構造解析ソフトウェア
アプリケーション
msFineAnalysis AIに関するアプリケーション
GC-TOFMS Application: msFineAnalysis AIを用いた半導体用溶媒中不純物の定性分析
GC-TOFMS Application: 漢方薬原料に含まれる化学成分の定性分析
GC-TOFMS Application: 未知物質構造解析ソフトウェア msFineAnalysis AIにおけるAI構造解析機能の紹介
GC-TOFMS Application: msFineAnalysis AIを用いたアクリル樹脂熱分解生成物の構造解析
GC-TOFMS Application: msFineAnalysis AIを用いた酢酸ビニル樹脂中添加剤と類縁化合物の構造解析
GC-TOFMS Application: msFineAnalysis AIを用いたポリエチレンテレフタレートフィルム熱分解生成物の構造解析
関連製品
JMS-T2000GC AccuTOF™ GC-Alpha 高性能ガスクロマトグラフ飛行時間質量分析計「Alpha アルファ」 ― それは始まりのとき
めざしたのは新たな質量分析の世界を生み出すこと 性能と機能を追求した究極のGC-MS JMS-T2000GC "AccuTOF™ GC-Alpha" 始動
more info
