-
公开(公告)号：CN114609258B
公开(公告)日：2022-11-22
申请号：CN202011447562.2
申请日：2020-12-09
申请人： 中国科学院大连化学物理研究所 , 大连理工大学 , 中国石油天然气股份有限公司石油化工研究院
摘要： 本发明公开了基于液相色谱‑高分辨质谱的石油分子表征数据处理方法，基于液相色谱‑高分辨质谱采集到的原始数据文件，通过构建理论分子库、侯选离子筛选、峰提取与检测、去假阳性等步骤实现石油馏分分子表征。本发明方法充分挖掘了石油样本的液相色谱‑高分辨质谱信息，快速、可靠地获得不同石油馏分中各类型化合物的分子式、保留时间及其强度，可用于基于液相色谱‑高分辨质谱的石油馏分数据处理，分子表征信息提取更充分、更可靠。
-
公开(公告)号：CN114609258A
公开(公告)日：2022-06-10
申请号：CN202011447562.2
申请日：2020-12-09
申请人： 中国科学院大连化学物理研究所 , 大连理工大学 , 中国石油天然气股份有限公司石油化工研究院
摘要： 本发明公开了基于液相色谱‑高分辨质谱的石油分子表征数据处理方法，基于液相色谱‑高分辨质谱采集到的原始数据文件，通过构建理论分子库、侯选离子筛选、峰提取与检测、去假阳性等步骤实现石油馏分分子表征。本发明方法充分挖掘了石油样本的液相色谱‑高分辨质谱信息，快速、可靠地获得不同石油馏分中各类型化合物的分子式、保留时间及其强度，可用于基于液相色谱‑高分辨质谱的石油馏分数据处理，分子表征信息提取更充分、更可靠。
-
公开(公告)号：CN112881577B
公开(公告)日：2022-03-08
申请号：CN201911198914.2
申请日：2019-11-29
IPC分类号： G01N30/88
摘要： 本发明公开了一种基于液相色谱‑高分辨质谱的石油馏分中含氮化合物的分子表征分析方法，包括以溶剂直接稀释样本，采用超高效液相色谱‑电喷雾离子源‑高分辨质谱在正离子模式下，30min内实现石油馏分中的氮化合物快速分析与分子表征。与现有方法相比，本发明方法无需对油样进行复杂分级预处理，质谱电喷雾离子化无需采用质谱正、负离子模式两次分析，仅采用正离子模式分析结合液相色谱流出时间，将其质荷比m/z用于分析过程中质谱仪质量轴的校正，可得到更好质谱质量精度；结合反相色谱保留规律可进一步排除假阳性分子表征结果，得到化合物及其组成信息更为可靠。
-
公开(公告)号：CN112881577A
公开(公告)日：2021-06-01
申请号：CN201911198914.2
申请日：2019-11-29
IPC分类号： G01N30/88
摘要： 本发明公开了一种基于液相色谱‑高分辨质谱的石油馏分中含氮化合物的分子表征分析方法，包括以溶剂直接稀释样本，采用超高效液相色谱‑电喷雾离子源‑高分辨质谱在正离子模式下，30min内实现石油馏分中的氮化合物快速分析与分子表征。与现有方法相比，本发明方法无需对油样进行复杂分级预处理，质谱电喷雾离子化无需采用质谱正、负离子模式两次分析，仅采用正离子模式分析结合液相色谱流出时间，将其质荷比m/z用于分析过程中质谱仪质量轴的校正，可得到更好质谱质量精度；结合反相色谱保留规律可进一步排除假阳性分子表征结果，得到化合物及其组成信息更为可靠。
-
公开(公告)号：CN102798684A
公开(公告)日：2012-11-28
申请号：CN201110133061.1
申请日：2011-05-21
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
IPC分类号： G01N30/72
摘要： 本发明公开了一种保留时间锁定-气相色谱-四极杆质谱-选择性离子扫描进行化学轮廓分析的方法，首先采用气相色谱-质谱全扫描方法分析质量控制样品，采用质谱自动去卷积和峰识别系统对获得的全扫描信息进行质谱去卷积和峰识别，从AMDIS的结果文件中提取识别的化合物所对应的色谱保留时间信息，并根据该信息对不同保留时间的色谱峰进行分组；然后从原始数据文件中提取质谱信息，进行特征离子选定。建立保留时间锁定的GC-MS方法并对待分析的所有样品在该方法下进行选择离子检测。本发明使得采用气相色谱-质谱得到的化学轮廓分析数据的可靠性、有效性和可操作性得到提高。本方法也可推广到以液相色谱-质谱为基础的化学轮廓分析。
-
公开(公告)号：CN102798683A
公开(公告)日：2012-11-28
申请号：CN201110133018.5
申请日：2011-05-21
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
IPC分类号： G01N30/72
摘要： 本发明公开了一种基于气相色谱-质谱的化合物全组分定量分析方法，首先采用气相色谱-质谱全扫描方法获得待分析样品的数据信息，采用质谱自动去卷积和峰识别系统对所获得的全扫描数据信息进行质谱去卷积和峰识别。根据峰识别结果，从原始数据文件中提取质谱信息，计算化合物离子的特征值，筛选化合物特征离子，最终利用特征离子建立选择性离子扫描定量分析方法。本发明的核心在于通过化合物离子的特征值对化合物特征离子进行筛选。本方法可给出多个特征离子及其特征性评价指标-特征值。给出的多个特征离子可以分别作为定量离子和定量候选离子。
-
公开(公告)号：CN102478562A
公开(公告)日：2012-05-30
申请号：CN201010558383.6
申请日：2010-11-25
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
IPC分类号： G01N30/88
摘要： 本发明公开了一种利用改进的分布估计算法（L-EDA）从体液代谢组轮廓筛选卵巢癌预后标记物的方法。采用液相色谱质谱联用仪对体液代谢物进行分析得到代谢组轮廓，构建概率分布模型对代谢组轮廓进行分析，筛选潜在的卵巢癌预后标记物。不同于传统的分布估计算法，L-EDA对迭代搜索过程中生成的候选属性子集的大小加以限定，并给出一种新的概率分布模型更新策略，使得对于属性的评价更为精确、合理，同时提高了算法的执行效率。L-EDA筛选出的属性子集能够体现代谢组轮廓数据各个组别之间的特征，构建支持向量机（SupportVectorMachine，SVM）分类模型进行交叉验证分析，正确率达到99.06%。
-
公开(公告)号：CN114609318B
公开(公告)日：2024-03-12
申请号：CN202011407875.5
申请日：2020-12-03
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
摘要： 本发明公开了一种基于分子结构关联网络的规模化代谢组定性方法。首先，收集开源代谢组数据库中的内源性代谢物，基于代谢物分子结构相似性构建代谢组水平分子结构关联网络；其次，对生物样本提取物进行非靶向代谢组学分析，并构建保留时间预测模型；进一步通过少量结构确证的代谢物作为种子代谢物，基于网络相邻代谢物与种子代谢物有相似MS2这一前提，对代谢物进行定性。本发明方法不依赖于大规模实验MS2数据库，即可真正实现代谢组规模的快速定性，且定性结果更可靠。
-
公开(公告)号：CN114594171B
公开(公告)日：2023-12-15
申请号：CN202011407735.8
申请日：2020-12-03
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
摘要： 本发明公开了一种复杂生物样本代谢组深度注释方法。该方法通过对生物样本提取物进行基于超高效液相色谱‑高分辨质谱的非靶向代谢组学分析，获取生物样本的代谢组色谱‑质谱信息，再根据所获非靶向代谢组学数据中的实验一级质谱离子质荷比和实验保留时间，从代谢组学数据库筛选匹配的候选代谢物；进一步根据候选代谢物的分子指纹相似性构建代谢物分子结构关联网络。然后，利用非靶向超高效液相色谱‑高分辨质谱代谢组实验数据，以分子结构关联网络作为背景网络，进行代谢组规模化定性。本发明方法不依赖于大规模的实验二级谱图数据库，定性的覆盖度和可靠性更高。(56)对比文件孔宏伟 等.基于液相色谱-质谱联用的代谢组学研究中代谢物的结构鉴定进展《.色谱》.2014,第32卷(第10期),Shanshan Xu 等.Metabolomics Based onUHPLC-Orbitrap-MS and Global NaturalProduct Social Molecular NetworkingReveals Effects of Time Scale andEnvironment of Storage on the Metabolitesand Taste Quality of Raw Pu-erh Tea.《Journal of Agricultural and FoodChemistry》.2019,第67卷(第43期),Brian E. Sedio 等.A protocol forhigh-throughput,untargeted forestcommunity metabolomics using massspectrometry molecular networks.《Applications in Plant Sciences》.2018,第6卷(第3期),Huibin Shen 等.Metaboliteidentification through multiple kernellearning on fragmentation trees.《Bioinformatics》.2014,第30卷
-
公开(公告)号：CN114594171A
公开(公告)日：2022-06-07
申请号：CN202011407735.8
申请日：2020-12-03
申请人： 中国科学院大连化学物理研究所 , 大连理工大学
摘要： 本发明公开了一种复杂生物样本代谢组深度注释方法。该方法通过对生物样本提取物进行基于超高效液相色谱‑高分辨质谱的非靶向代谢组学分析，获取生物样本的代谢组色谱‑质谱信息，再根据所获非靶向代谢组学数据中的实验一级质谱离子质荷比和实验保留时间，从代谢组学数据库筛选匹配的候选代谢物；进一步根据候选代谢物的分子指纹相似性构建代谢物分子结构关联网络。然后，利用非靶向超高效液相色谱‑高分辨质谱代谢组实验数据，以分子结构关联网络作为背景网络，进行代谢组规模化定性。本发明方法不依赖于大规模的实验二级谱图数据库，定性的覆盖度和可靠性更高。
-
-
-
-
-
-
-
-
-
搜索结果
141 条记录 (耗时 0.091 秒)
