集成基于特征的分子网络和依赖于高清数据的获取,用于全面的多组件表征Honghua Xiaoyao平板电脑

科学领域:

• 分析化学 分析化学
• 代谢学 代谢学 代谢学
• 质谱测量质量谱测量

背景情况:

• 在复杂矩阵中识别化学成分是具有挑战性的.
• 使用经典分子网络 (CLMN) 的液体染色学-双重质谱法 (LC-MS) 有助于小分子注释,但在异构化合物和低数据覆盖方面面临局限性.
• 代谢物不完整的表征是由于不充分的获取模式和无法分离异构化合物的结果.

研究的目的:

• 开发一种新的战略,将高清数据依赖采集 (HDDDA) 与移动波离子流动性质谱 (TWIMS) 和基于特征的分子网络 (FBMN) 整合起来,以加强化学成分的表征.
• 改善异构化合物的辨别,增加代谢物覆盖率.
• 系统地调查洪华小 tablet (HHXYT) 的化学特征.

主要方法:

• 开发和验证一个整合HDDDA (TWIMS) 和FBMN的新战略.
• 使用CLMN和FBMN对数据依赖采集 (DDA) 和HDDDA进行比较评估.
• 使用UNIFI平台对HHXYT进行化学分析的开发策略的应用.

主要成果:

• 与传统方法相比,HDDDA-FBMN战略证明了MS覆盖率的提高和同位素识别的显著优势.
• 通过CLMN和FBMN进行视觉评估显示,节点集群和识别能力得到了增强.
• 对HHXYT的应用导致了184种化合物的鉴定,包括12种同位素对和两种新化合物.

结论:

• 集成的HDDDA-FBMN方法提供了尺寸增强的MS数据采集和异构化合物的视觉识别.
• 这种混合策略加速了复杂系统的结构性表征,特别是在传统中医药 (TCM) 中.
• 预计HDDDA-FBMN将成为分析复杂矩阵中的化学成分的通用工具.