PAH-Finder:一种模式识别工作流程,用于识别PAH及其衍生品
Zixuan Zhang1, Xin Xu1, Shipei Xing2
1Particle Pollution and Prevention (LAP3), Department of Environmental Science and Engineering, Fudan University, Shanghai 200438, China.
Analytical chemistry
|January 8, 2025
概括
新的机器学习工具PAH-Finder使用高分辨率质谱仪在环境样本中准确识别多环芳 (PAH). 这种方法显著改进了检测这些有害污染物的传统技术.
科学领域:
- 环境化学环境化学
- 分析化学 分析化学
- 毒理学 毒理学 毒理学
背景情况:
- 多环芳 (PAH) 是广泛存在的环境污染物,与包括癌症在内的严重健康问题有关.
- 目前的识别方法,如GC-MS与不完整的库和高错误阳性率作斗争,阻碍了准确的PAH检测.
研究的目的:
- 开发一个数据驱动的工作流程,PAH-Finder,整合机器学习和高分辨率质谱 (HRMS) 以加强PAH识别.
- 提高在环境矩阵中检测广泛的PAHs的准确性和效率,包括新型和异原子合物化合物.
主要方法:
- PAH-Finder将碎片m/z值与分子离子峰值相对正常化,以分析MS频谱中的PAH骨干碎片化模式.
- 一个随机森林模型使用来自碎片分布的七个机器学习特征进行了训练,获得了~0.9.9的F1得分.
- 工作流包括双电荷碎片和分子公式预测,以进一步提高识别准确性.
主要成果:
- PAH-Finder在颗粒物中发现了135种PAH,其中包括7种新的PAH配方,比NIST20图书馆的注释效率提高了246%.
- 该工具成功识别了32种在训练数据中缺少的异原子化PAH,突出了其强大的概括能力.
- 在检测广泛的PAH方面实现了高精度,促进了用于非目标分析的高效数据处理.
结论:
- 通过HRMS和机器学习,PAH-Finder在准确有效地识别PAH方面取得了重大进展.
- 该工具增强了我们对空气污染成分的理解,并支持改善公共卫生保护策略.
- 免费使用的PAH-Finder工作流促进了在环境监测和研究中更广泛的采用.
更多相关视频
08:55Facile Protocol for the Synthesis of Self-assembling Polyamine-based Peptide Amphiphiles PPAs and Related Biomaterials
Published on: June 25, 2018
8.0K
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
12.4K
