技术报告 | 使用TI电离质谱数据进一步优化特征挖掘工作流程

本技术报告介绍了通过ChromCompare+软件中非靶向、分块分析方法，找到一维色谱和二维色谱图之间关键性的聚类差异，并且展示TI电离质谱数据如何通过减少常见的假阳性，进一步优化特征挖掘工作流程。

在特征挖掘(或未知物鉴别)工作流程中，我们通常不清楚什么化合物是重要的，需要从分析数据中提取尽可能多的信息，以便得出有意义的结论。近年来，从疾病新标志物的筛查到食品中未知掺假物质检测，对未知物鉴别分析流程进行优化的需求正逐渐增加。

全新开发的化学计量学平台ChromCompare+，通过自动化数据分析揭示样品间显著的差异，正是为了解决有关未知物鉴别这一挑战而开发。在化学计量学中，样品类别被轻松运用于区分样品——例如，在食品真实性研究中，我们可能有“正品”和“掺假”样品。

通过使用图1中所示创新的分析流程，将原始数据整理并直接导入至ChromCompare+中。该方法将色谱图切分成多个小块，令数据组内每个小块中的谱图，对每个m/z进行逐一对比，这些小块相互重叠，以减少遗漏重要细节的风险。

通过将所有的原始数据提取出来，意味着可以发现成千上万的“特征”。每个特征代表了在一个小块中一个具体m/z丰度的加合，而该特征通过这些细节进行命名。需要注意的是，虽然图1展示的是二维数据，但同样的分析流程也可应用于一维数据。该方法是自动化的，减少了人工预处理步骤(如积分和识别)，从而加快目标物筛查工作流程。

通过我们独有的特征筛查算法，它会采用多元统计分析方法来获得特征之间的协方差。换句话说，它将尝试选择显示不同类的特征。相反，在单一变量方法中，无需考虑特征之间的协方差，所以选择第二个特征通常是没有用的，因为它(经常)与选择的第一个特征具有相同的类别。另一方面，许多的多元算法会失败(因为速度不够快)，而单一变量算法以其高效而闻名，这使得它们成为处理大量数据组的热门选择。但即便ChromCompare+在特征筛查中采用多元统计分析方法算法，它仍能高效应对成百上千的数据特征筛查分析，使它非常适合一维和二维数据组处理。

使用BenchTOF2™质谱仪进行TI电离，在不增加分析时间的情况下，同时获得硬电离和软电离数据(图3)，从而用于补充化学信息。不同电离条件下的谱图比较相似，但事实上却明显不同。

ChromCompare+特征挖掘功能可被用于在全流程分析过程中，评估两种质谱数据组，并可为每个小块设置5个以上的串联确认阳性限值，这样没有特征差异的小块会被滤掉，缩短数据审核时间，提高对分析结果的信心。

► 使用ChromCompare+中的分块分析的方法进行完全未知物数据分析，自动化挖掘复杂的一维和二维色谱图之间的显著差异。

► 特征挖掘功能使用多元统计分析来获得特征之间的协方差，并找出那些能够最好地区分多个样品类别的特征。

► 每个数据组都会存在假阳性，因此优化工作流程以降低其频率是很重要的(例如，通过多次分析重复样品)。

► BenchTOF2质谱TI电离技术在单一分析流程中提供了互补的硬/软电离数据。

► TI 电离数据可用于简化工作流程，以确认阳性结果，从而减少假阳性率，缩短数据审核时间，提高对分析结果的信心。

► 由于费舍尔比值较低的真阳性更容易通过抑制假阳性而被发现，由此展示了通过该方法可进一步改善对细微特征差异的挖掘。