天游线路检测中心 未知物质结构分析软件
msFineAnalysis AI

尖端AI技术与GCxGC融合实现
未知材料结构分析的新时代

msFineAnalysis AI是一种新的定性分析，结合了 GC/EI 数据和 GC/软电离数据“综合分析”和 4 项人工智能技术“人工智能结构分析”
Ver3 除了正常的 GC-MS 数据分析之外，还支持全面的二维气相色谱 (GCxGC) 数据分析。对于石油样品和生命科学样品等复杂混合物，GCxGC 的超高分离性能以及使用 msFineAnalysis AI 对未知物质的结构分析是有效的。
通过先进的人工智能技术实现的前所未有的自动结构分析系统颠覆了GC-MS和GCxGC-MS定性分析的常识。

功能

#1AI结构分析

四大AI技术引领的创新解决方案
支持未知物质的分子式测定和结构式推测

NIST DB 未注册的未知物质 (▼)，传统的 msFineAnalysis 自动提供分子式。使用msFineAnalysis AI，可以自动估计未知物质的结构式。

软电离方法的必要性：获得可靠的分子式信息是结构分析的第一步！

EI方法在谱库数据库中注册了大量光谱数据，广泛用于GC-MS的定性分析。然而，由于EI法是最难的电离方法，因此除了分子离子之外还观察到许多碎片离子，并且常常根本观察不到分子离子。
因此，对于未在库数据库中注册的未知物质，仅使用 EI 质谱最多可以观察到m/z很难判断数值较大的离子是分子离子还是碎片离子。在这种情况下，软电离是有效的。
AccuTOF™ GC-Alpha 可以使用多种软电离方法，例如 FI、PI 和 CI。此外，软电离方法可以轻松观察提供分子量信息的离子，例如分子离子和质子化分子，与精确质量相结合，可以准确获得未知组分的分子式信息。

由于分子式信息也需要作为未知物质的 AI 结构分析的起点，因此使用软电离获取分子式信息变得越来越重要。

未在库中注册的组分的质谱

熟练分析师的手动结构分析与 AI 自动结构分析

*JMS-T2000GC 标准配置 PC 的测量值。

我们比较了在丙烯酸树脂的 Py-GC-TOFMS 测量数据中观察到的未在 NIST 库数据库中注册的化合物的结构分析所需的时间。即使您是一位从事质谱工作 30 多年的经验丰富的分析师，4个组件的结构分析约2小时，这意味着每个组件大约需要 30 分钟。
另一方面，在人工智能结构分析中，只需不到 7 分钟即可完成 100 个组件的结构分析内完成，即每个组件4秒。

由熟练分析师估计的结构式以及该结构式的 AI 结构分析分数（相似度）。可以看出，可以预测结构式，吻合良好。

四大AI技术引领的创新解决方案
实现离线环境下的自动结构分析

msFineAnalysis AI 利用四种不同的 AI 模型（参见表 1）自动分析分子式、子结构和结构式。该软件自动执行未知物质的分析，这需要时间、经验和专业知识，并快速提供分析结果。

msFineAnalysis AI 工作流程

第四个AI独特地选择候选分子式

使用深度学习模型，给候选分子式打分（IM 分数）并对其进行排名。它对于从高质量范围内的多个候选物确定分子式特别有效。

AI 模型的演变

使用图卷积网络的 EI 质谱预测模型进一步发展！自Ver1和Ver2以来，性能得到了极大的提高，提供了更准确的自动结构分析结果。
右图是 10,000 种已知化合物的测量质谱与预测质谱之间的余弦相似度直方图。
Ver3的AI模型性能进一步进化，平均余弦相似度提升至086！ （版本 1：072，版本 2：080）

AI 模型演化：余弦相似度直方图

食品中未知物质的结构分析

作为食品中未知物质分析的一部分，我们分析了牡蛎中的未知物质（NIST DB 未注册物质）。论文中的成分被鉴定为 1,5-Octadien-3-ol¹⁾进行AI结构分析时，我们获得了2,544个候选结构式，我们可以使用子结构过滤器“羟基-OH”将其缩小到1,012个候选结构式。相应的结构式的AI得分为936，总体得分第二高，我们能够获得高精度的结构式。

1) Kenji Ueda、Koki Yahiro、Yoshihiko Akakabe、J Oleo Sci。 72, (7)725-732 (2023)

牡蛎中未知物质的AI结构分析结果筛选

HS-SPME自动进样器安装示意图

#2GCxGC 数据分析

复杂样品中未知物质的覆盖分析

GCxGC 使用两种不同类型的色谱柱，可以以高分辨率分析含有多种成分的复杂样品。我们将实现结合GCxGC超高分辨率和AI结构分析的新定性分析解决方案。

HeLa 细胞中未知物质分析示例

通过 TMS 对 HeLa 细胞中的水溶性代谢物进行衍生化并通过 GCxGC-TOFMS 进行测量，我们总共检测到了 674 种代谢物。先前的研究²⁾中，对被鉴定为N-甲基尿苷酸（N-甲基UMP）的未知物质（NIST DB未注册物质）进行了AI结构分析。结果，N-甲基UMP成为第一个候选物，其AI得分为805。此外，N-甲基UMP和核酸相关物质在第2列中具有相似的RT，表明它们是具有相似极性的化合物。

2) Lai Z、Tsukawa H 等人。 （2018）。自然方法，15 (1), 53–56。 DOI：101038/nmeth4512

（样本提供：国立大学法人东京农业科技大学津川裕二教授）

再生油详细分析实例

使用 GCxGC-TOFMS 分析由聚乙烯 (PE)、聚丙烯 (PP) 和聚氯乙烯 (PVC) 的混合物产生的热解油。结果，可以清楚地分离源自 PE/PP 的烷烃和烯烃，而这些烷烃和烯烃使用 1D GC 很难分离。 EI/SI 集成分析 我们能够可靠地推导出每个峰的分子式，并且通过 AI 结构分析，我们能够推导出未在 NIST DB 中注册的 PP 衍生化合物的结构式。

（样本提供：国立大学法人东北大学熊谷正吾副教授）

#3目标分析

涵盖从快速搜索已知物质到识别未知物质的一切

目标分析功能根据组成式、m/z 值和 CAS# 自动搜索化合物。
目标分析列表可自由编辑。我们还提供预设目标分析列表。
还可以对目标分析检测到的成分进行集成分析和人工智能结构分析。

食品中香气和异味成分的针对性分析

msFineAnalysis AI 不仅支持非靶向分析，还支持靶向分析。
根据组成式、m/z 值、CAS# 或任何以下信息自动搜索目标化合物。

当我们使用 498 种异味成分的目标列表分析柠檬汁中香气成分的数据时，我们提取了 10 种化合物。右下角的结果屏幕显示 10 种成分中柠檬醛的详细分析结果。

498 种异味成分的目标清单
（预设）

柠檬汁中柠檬醛的详细分析结果屏幕

#4反卷积检测

精确质量反卷积可以检测看似单个组分的峰中的多个组分。不要错过埋在基线中的跟踪组件。

EI：黑色实线：TICC，灰色峰：反卷积峰（选择蓝色）
SI：绿色实线：TICC，灰色峰：反卷积峰（选择蓝色）

反卷积检测可以检测 TICC 上看不到的痕量成分或峰中看似一种成分的多种成分。
可以一次性自动检测多种成分，因此无需像过去那样一一创建提取离子色谱图 (EIC)。

#5两样本比较（差异分析）

兼容两个样本比较（差异分析），这是日益增长的分析需求。
可以提取两个样品之间的细微差异，例如正常产品和缺陷产品、批次之间的差异等。

火山图详细分析画面（A：良品，B：不良品）

它使用火山图，通过纵轴上的 p 值和横轴上两个样本之间的强度比来显示再现性，让您可以直观地确认两个样本之间的差异分量。例如，您可以比较正常产品和缺陷产品，看看哪些成分在缺陷产品中增加或减少，或者比较新材料和现有材料，看看哪些成分是新材料的特征。
在2样本比较功能中，可以将n=1、3或5设置为测量数据的数量。

规格/选项

主要规格

JMS-T2000GC AccuTOF™ GC-Alpha 20

86日本电子（JEOL）官方网站。介绍未知物质结构分析软件msFineAnalysis AI的产品信息。该公司制造、销售、开发和研究科学仪器、医疗设备、半导体相关设备和工业设备，如电子显微镜（TEM、SEM）、核磁共振设备（NMR）和质谱仪（MS）。36

目录下载

msFineAnalysis AI ver3 未知物质结构分析软件

申请

msFineAnalysis AI 相关应用

GC-TOFMS 应用：使用 msFineAnalysis AI 对半导体溶剂中的杂质进行定性分析

GC-TOFMS应用：中药材原料中化学成分的定性分析

GC-TOFMS应用：未知物质结构分析软件msFineAnalysis AI中AI结构分析功能介绍

GC-TOFMS 应用：使用 msFineAnalysis AI 对丙烯酸树脂热解产物进行结构分析

GC-TOFMS 应用：使用 msFineAnalysis AI 对醋酸乙烯酯树脂中的添加剂和相关化合物进行结构分析

GC-TOFMS 应用：使用 msFineAnalysis AI 对聚对苯二甲酸乙二醇酯薄膜热解产物进行结构分析

相关产品

JMS-T2000GC AccuTOF™ GC-Alpha 20 气相色谱仪飞行时间质谱仪

追求性能和功能的终极 GC-MS，JMS-T2000GC AccuTOF™ GC-Alpha 已发展到“20”，具有全自动标准样品引入部分和 msFineAnalysis AI。

更多信息