В ИОХ РАН разработан метод автоматического анализа масс-спектров высокого разрешения

Масс-спектрометрия представляет собой удобный, высокочувствительный и надежный метод анализа сложных смесей, который имеет ключевое значение для создания функциональных материалов, исследования механизмов химических реакций и развития других областей естественных наук. На сегодняшний день масс-спектрометрия высокого разрешения с ионизацией электрораспылением является одним из самых универсальных методов физико-химического анализа благодаря превосходному разрешению и чувствительности. Современные приборы способны обнаруживать соединения с низкими концентрациями вплоть до следовых количеств. Однако основные сильные стороны этого метода (чувствительность и разрешение) значительно усложняют спектры, что существенно увеличивает время их интерпретации и требует высокой квалификации от ученого.

Исследователями Лаборатории металлокомплексных и наноразмерных катализаторов ИОХ РАН был предложен программный Python пакет для полностью автоматизированного анализа масс-спектров. Метод сочетает новый подход к деизотопированию спектров и способ анализа тонкой изотопной структуры ионов с использованием нейронных сетей для получения молекулярных формул. Стоит отдельно отметить, что предлагаемый подход не накладывает ограничений на химические элементы, присутствующие в анализируемой смеси. Разработанный метод был успешно протестирован на трех примерах: анализ фрагментных ионов для секвенирования пептидов, исследование природных объектов, а также изучение каталитической системы в реакции кросс-сочетания. Разработанное программное обеспечение для масс-спектрометрического анализа находится в свободном доступе и может быть использовано любым желающим в своих исследованиях.

Результаты проведенного исследования опубликованы в одном из самых престижных журналов в области химии Journal of the American Chemical Society.

Источник:

Daniil A. Boiko, Konstantin S. Kozlov, Julia V. Burykina, Valentina V. Ilyushenkova, Valentine P. Ananikov Fully Automated Unconstrained Analysis of High-Resolution Mass Spectrometry Data with Machine Learning J. Am. Chem. Soc. 2022, 144, 14590−14606. DOI: 10.1021/jacs.2c03631.