天游8线路检测中心高分辨率 MALDI-TOFMS“NewSpiralTOF™”和顶点分量分析对大量成像数据进行相分析
MS 提示第 528 号
基质辅助激光解吸电离成像质谱 (MALDI-MSI) 用于可视化样品表面蛋白质、肽、代谢物和药物的定位。在MALDI-MSI中，除了目标化合物的峰之外，质谱还经常受到样品部分上的各种化合物的影响，因此天游8线路检测中心高分辨率质谱仪进行质量分离很重要。另一方面，当在质谱上观察到大量含有同量异位物质的峰时，创建和分析每个峰的提取质量图像需要花费大量时间。因此，为了进行有效的数据分析，提取特征质谱模式并基于它们进行物相分析至关重要。在本报告中，我们介绍了一种天游8线路检测中心顶点分量分析（VCA）的相位分析方法。此外，还应用了利用机器学习的噪声去除方法（FINE-AI Filter）作为预处理。
实验
VCA 从高光谱数据集 MALDI-MSI 中提取指定相数的末端成员（代表每个相的像素的质谱）。这里，包括端部构件的像素被称为纯像素。在VCA中，纯像素以外的像素的质谱通过提取的端元的线性组合来表达。这种情况如图1所示。图1中的蓝色方块是海量图像数据的区域。从那里，从与相数相对应的纯像素数中提取最具特征的端元（蓝点：4）。其他像素（红点）表示为这四个端元的线性组合。例如，对于红点像素，将各相的纯像素端元乘以070、020、004和006，然后相加。可以看出，可以映射应用于每个像素的每个相的端部成员的系数。也就是说，它显示了端构件对每个像素的贡献，同时允许进行相位分析。图 2 显示了每个阶段的图及其叠加图像。
图 1VCA最终成员的摘录
图 2 VCA
结果
VCA 应用于小鼠脑组织切片上脂质的 MSI 数据。首先，为 MSI 数据创建平均质谱。在脂质数据中，在 m/z 700-1000 处观察到各种脂质峰。对该平均质谱得到的峰列表进行去同位素处理，按照离子强度从高到低的顺序制作200张提取质量图像。其中75张提取的质量图像如图3左侧所示。接下来，天游8线路检测中心FINE-AI Filter对提取的200张质量图像进行图像质量改进。其中，图3右侧显示了对应于图3左侧的75个结果。图4显示了对FINE-AI Filter处理后提取的200张提取质量图像进行VCA（阶段编号4）的结果。通过天游8线路检测中心FINE-AI Filter提高提取的质量图像的图像质量，发现天游8线路检测中心VCA进行端元检测后获得的相位图也变得更加清晰。 VCA 允许分离到每个相并比较每个相的纯像素的质谱。此外，对于MSI数据，可以通过天游8线路检测中心VCA相位图的强度分布对每个像素的质谱进行加权和积分来生成质谱，并更详细地比较相位之间的质谱（图5）。
摘要
天游8线路检测中心 VCA 分析高分辨率 MALDI-MSI 数据，提取特征光谱模式并基于它们进行相位分析。研究还发现，通过应用FINE-AI Filter的图像质量改进作为预处理，可以更有效地执行VCA。
图 3 VCAFINE-AI 滤镜提高图像质量
图 4 VCA结果
图 5各相的质谱生成和比较
