对使用LC/HRMS非向查检测的化学品结构注释的in silico方法进行批判性审查
Henrik Hupatz1,2, Ida Rahu3, Wei-Chieh Wang1
1Department of Materials and Environmental Chemistry, Stockholm University, Svante Arrhenius Väg 16, 114 18, Stockholm, Sweden.
Analytical and bioanalytical chemistry
|August 14, 2024
概括
本综述探讨了从LC/HRMS数据中识别化学结构的in silico方法. 它强调了目前的方法,局限性和未来的方向来注释未知的化学空间.
科学领域:
- 分析化学 分析化学
- 计算化学的计算化学
- 代谢学 代谢学 代谢学
背景情况:
- 使用液体染色学与高分辨率质谱学 (LC/HRMS) 结合的非向查产生了大量数据.
- 检测到的大量特征仍然没有说明,代表了未知的化学空间.
- 包括机器学习和生成模型在内的in silico方法是结构注释的新兴工具.
研究的目的:
- 提供当前in silico方法的关键概述,以检索和优先考虑LC/HRMS特征注释的候选结构.
- 讨论这些计算方法的优点和局限性.
- 突出了未来在in silico结构阐明的发展的关键考虑.
主要方法:
- 对LC/HRMS数据分析的in silico方法现有文献的审查.
- 从光谱和结构数据库中检索候选结构的讨论.
- 综合经验分析数据 (保留时间,碰撞截面,电离类型) 用于候选评估.
- 已知和未知LC/HRMS特征的结构注释的说明性示例.
主要成果:
- 目前的in silico方法为探索未知的化学空间和注释LC/HRMS特征提供了强大的工具.
- 在实验数据采集和计算方法中存在局限性.
- 互补的分析数据显著提高了对候选结构的评估.
结论:
- 多种in silico策略和经验数据的整合对于在LC/HRMS中推进结构注释至关重要.
- 未来的发展应该专注于提高生成模型和数据库搜索的准确性和范围.
- 解决实验和计算挑战对于全面描述复杂化学混合物至关重要.
