本物 | 江西インテリジェントホーム株式会社

Scientific Reports volume 13、記事番号: 6059 (2023) この記事を引用

404 アクセス

メトリクスの詳細

部分的に重複するスペクトルを持つターゲット種を検出するリアルタイムのカラムフリー小型ガス質量分析計に関する初期の重要な結果が報告されています。この成果は、ナノ流体サンプリング入口システムとしてのナノスケールの穴と、堅牢な統計手法の両方を使用して達成されました。たとえ提示された物理的実装がガスクロマトグラフィーカラムで使用できたとしても、高度な小型化を目指すには、何の助けも借りずにその検出性能を調査する必要があります。研究ケースとして、最初の実験では、単一および化合物の混合物で 6 ～ 93 ppm の範囲の濃度のジクロロメタン (CH2Cl2) とシクロヘキサン (C6H12) が使用されました。ナノオリフィスカラムフリーのアプローチでは、60 秒以内に生のスペクトルが取得され、NIST 参照データベースとの相関係数はそれぞれ 0.525 および 0.578 でした。次に、統計データ推論に部分最小二乗回帰 (PLSR) を使用して、これら 2 つの化合物の 10 種類の既知の異なるブレンドの 320 の生スペクトルに基づいてキャリブレーションデータセットを構築しました。このモデルは、正規化されたフルスケール二乗平均平方根偏差 (NRMSD) の精度が、種ごとにそれぞれ \(10.9\mathrm{\%}\) と \(18.4\mathrm{\%}\) であることを示しました。組み合わせた混合物。 2 番目の実験は、干渉剤として作用する他の 2 つのガス、キシレンとリモネンを含む混合物で行われました。さらに 8 つの新しい混合物で 256 のスペクトルが取得され、そこから CH2Cl2 と C6H12 を予測するための 2 つのモデルが開発され、それぞれ 6.4% と 13.9% の NRMSD 値が得られました。

マイクロおよびナノテクノロジー 1 の最新の結果と、ガス分析機器の特定の評価アプローチを組み合わせることで、測定の実行方法 2 が変化しています。マイクロ電気機械システム (MEMS) およびナノ電気機械システム (NEMS) の分野の開発を利用した新世代の分析機器は、ガスクロマトグラフィー (GC) 用の非常に高度な小型化を実現するデバイスの展望を開きます。ガスクロマトグラフィー - 質量分析 (GC-MS) 分析技術と、イオン移動度分光法 (IMS)、表面音響波 - 質量分析 (SAW-MS)、およびガスクロマトグラフィー - 表面音響波 - などのよりターゲットを絞った技術の最近の進歩質量分析法 (GC-SAW) は、サイズ、分析時間、設置と展開のコストを削減するという明らかな傾向を示しています。したがって、厳しい真空条件を満たす必要があり、複雑な差動真空システム、大型の接続、高価な真空ポンプが必要になります。しかし、機器への比較的大きなガス入口流量の必要性を排除することは困難です。これらの取り組みの例は、いくつかの最近の出版物に記載されており、さまざまなガスが 10 ～ 200 sccm3、4、5、6、7、8 の範囲の sccm 値で注入されています。流量をさらに削減するために、システム全体の寸法の縮小が数人の研究者によって研究され、必要な入口スループットの結果的な削減が初めて得られました。たとえば、2007 年に Kim et al.9 は、マイクロ GC の最初の統合を報告しました。 4 段ガスマイクロポンプを長さ 25 cm のマイクロカラムに接続しました。このシステムでは、0.2 ～ 0.3 sccm の間で最良の蒸気分離が得られました。ごく最近では、Hsieh と Kim10 は微小循環ガスクロマトグラフィーシステムを開発し、0.5 sccm の固定流量で動作させて、異なる異性体の分離についてテストすることに成功しました。同様の結果が、ナノオリフィス膜で作成された平行チャネルに基づくクヌーセンポンプ (KP) と呼ばれる特定の技術を使用して報告されました。このトピックに関して、Qin et al. 彼らはいくつかの論文 11、12、13 を執筆し、それぞれ 0.4、0.82、0.15 sccm の流量を持つ小型システムを開発しました。一般に、ナノテクノロジーデバイスは、これらの対策の実行方法を劇的に変えることができ、根本的かつ非常に重要なシステムの寸法と電源の削減を可能にします。ナノメートルスケールのオリフィス 16 をサンプリングポイントとして使用し、大気圧へのスマートガスインターフェースを使用することで、システムの簡素化 14,15 を大幅に改善できます。

MS スペクトルデータ処理に関する文献では、主に分類問題に焦点を当てて、GC-MS で測定されたスペクトルに多変量技術 (特に PCA) を適用した論文がいくつかあります。これらの研究は、食品が最も活発な分野の 1 つであるいくつかの分野をカバーしています。たとえば、2013 年に Welke ら 17 は、質量分析検出を PCA および段階的線形判別分析 (SLDA) と組み合わせて使用し、5 つの異なる種類のワインを識別しました。成功率は100%です。 Lv ら 18 は、GC-MS を使用してプーアル緑茶と他の 6 種類の緑茶のフィンガープリントスペクトルを取得し、クラスター分析 (CA) と PCA を使用してプーアル茶の変種と他の緑茶の違いを評価しました。最近では、Mogollon ら 19 が、エクアドル産スピリッツ飲料の GC-MS 取得を実行しました。このサンプルは、ヘッドスペース固相微量抽出 (HS-SPME) と呼ばれる特定の技術で調製されました。この前処理と PCA を併用することで、アルコール依存症患者の貴重な品質検査に質量分析を使用できるようになりました。ヒトを対象とした他の研究も行われました。たとえば、Jha et al.20 は、GC-MS で取得したヒトの体臭データをカーネル PCA (KPCA) で分析しました。この技術により、バイオマーカーとして機能する可能性のある揮発性化合物を発見し、異なる被験者間で適切に分類することができました。 2019 年、Stark ら 21 は、黒色腫サンプルで取得した MS データにさらに複雑な深層学習技術を適用し、それらを黒色腫か非黒色腫のほくろに分類しようとしました。単一層パーセプトロン、1 隠れ層多層パーセプトロン、および 5 隠れ層多層パーセプトロンの 3 つの異なる深層学習アルゴリズムが調査され、2 番目のアルゴリズムの方がより良い結果が得られました (正しい分類の 63.3%)。 Jajin ら 22 は、GC-MS からのスペクトルを使用して、甲状腺髄様がんに罹患している被験者と健康な被験者を区別するための、クラス類推のソフト独立モデリング (SIMCA) や直交部分最小二乗判別分析 (OPLS-DA) などの技術を検討しました。血漿サンプルについて。 OPLS-DA を使用すると、R2 パラメーター (決定係数、最大 1) 値 0.925 が得られました。

この論文は、ガス状化合物のリアルタイム MS カラムフリー検出を達成するためのナノテクノロジーと信号処理を組み合わせたアプローチの有効性を実験的に実証することを目的としています。より具体的には、最初にナノオリフィスに基づいて物理的背景を簡単にスケッチすることで、読み出し時間と消費電力を大幅に削減できます。次に、部分的に重複する m/z スペクトルを持つ種を意図的に選択して、相互に干渉剤として作用する 2 つの化合物を使用して機器をテストします。最後に、多変量解析を使用してシンプルで計算量の少ない予測モデルを開発し、単一濃度と組み合わせ濃度の両方で化合物の定量的評価を取得します。機器の物理的特徴付けのヒントと機械的実装については今後の論文で詳しく説明しますが、システム全体の可能性を完全に理解するためには、基礎となる物理的技術の主要な特徴を簡単に概説することがここでは不可欠であると考えます。

このセクションでは、詳細には触れずに、基礎となる物理的アプローチの簡単な概要を示すことのみを目的として、リアルタイムの質量スペクトルを可能にするテクノロジーの重要な側面を示します。より具体的には、テストされたテクノロジによって消費電力と応答時間が桁違いに節約できる理由について説明します。

標準的な MS システムでは、分子イオンビームは、電子イオン化、放電イオン源、光イオン化など、さまざまな方法およびさまざまな技術を通じて生成できます。16。イオンビームが生成されると、まず質量フィルターに飛んで選択され（単一質量フィルターまたはタンデム質量分析計を使用）、次に散乱セルを備えたいくつかの質量フィルターを通過して検出器まで到達し、イオンビームの強度を測定します。選択されたイオン。よく知られているように、深刻な散乱効果とそれに伴うイオンビームの損失を軽減するには、イオンの平均自由行程が分析システム D の幾何学的寸法に匹敵するような MS システムのガス領域に達することが重要です。イオン源から検出器まで、別名、クヌーセン数 \(K=\lambda /D>1\) を達成します。ここで、D は容器の寸法、\(\lambda\) は平均自由行程です

ここで、T は温度 (ケルビン度)、\(\sigma\) は散乱断面積、p は圧力 (パスカル)、k はボルツマン定数です。したがって、イオンビームの MS 損失を低減するには、荷電粒子の平均自由行程 λ が分析システム D の幾何学的寸法に匹敵するガス領域に到達する必要があります。したがって、イオンはイオン源からイオン源まで飛行する必要があります。検出器には、\({10}^{-6}\div {10}^{-7}\mathrm{ mbar}\) の範囲の標準分析システム (長さは約数十 cm) の圧力が必要です。この場合、イオンは互いにではなく主にチャンバー内壁に衝突します。

ナノデバイスベースの MS の重要な機能を理解するために、入口スループットまたはガス流量/速度 Q (\(mbar\cdot L\cdot {s}^{-1}\equiv) を持つ単一容器の連続方程式を計算します。 W\)) と出口実効排気速度 (または体積流量) \(S=dV/dt\) (\(L\cdot {s}^{-1}\)) は次のようになります

ここでも、V は容器の体積です。

圧力の逆指数関数的減衰としての境界条件を使用して微分方程式を解くことができることを示すのは簡単です。

ここで、 \({p}_{0}\) は初期圧力、 \({\left(Q/S\right)}_{\infty }\) は定常状態での圧力、 \(\tau = V/S\) はシステムの時定数です。システムが定常状態に達すると、

また、定常領域では、別の方程式はコンダクタンス C (\(L\cdot {s}^{-1}\)) を通じてオリフィス全体の圧力を関連付けます。

ここで、p2 と p1 はオリフィス全体の圧力です。

複数の容器がポンプとオリフィスによって相互接続されている場合、一定質量流量制約により、各容器に対して (4) と (5) を使用して、初期条件での各点の圧力を与える N 階微分方程式が設定されます。通常、動作をよりよく理解するために等価電気モデルが定義されます。図 1 に示すように、電位、静電容量、電流はそれぞれ圧力、体積、スループットと等価です。

従来のアプローチ (a) とナノデバイスのアプローチ (b) の比較。電気モデルを使用すると、過渡状態および定常状態におけるチャンバー間の圧力の挙動を理解できます。このモデルは次のアナロジーに基づいています: スループット - 電流: \(Q\leftrightarrow Sp\)、体積 - 電気容量: \(V\leftrightarrow C\)、圧力 - 電位: \(p\leftrightarrow V\)両方のシステムが同じ微分方程式に従うためです。

標準的な MS システムでは、ガスサンプルはガスキャリア (タンク内に含まれる) に溶出され、クロマトグラフィーカラムに流れ込み、一定のスループットで分離されます。分子レジームを達成するには、図 1A に示すように、複数のチャンバーとポンプからなるシステムが使用されます。ここで、 \(Q={S}_{1}{p}_{1}+{S}_{2}{ p}_{2}+{S}_{3}{p}_{3}\) (概念を示すために簡略化した 3 チャンバーシステムを使用しました)。電気モデルが示すように、一定のスループット (電流) で圧力 (電位) を下げることができます。産業用システムでは、Q の標準単位は SCCM@1 bar (\({cm}^{3}\cdot min\cdot 1bar\equiv 1.66W\)) で、代表値として 10 SCCM@1 bar が使用されます。。この値を使用すると、このような流れで独自のチャンバーを使用すると、ポンピング速度が技術的に非現実的となり、複数のチャンバーが必要になることが簡単にわかります。ただし、電力消費量はいずれにしても一般的に重要です。大まかな例として、ポンプ速度が S1 ～ 700 L/s、S2 ～ 300 L/s、S3 ～ 300 L/s の場合、ターボ分子ポンプとロータリーオイルベーンポンプを使用すると、約 700 W の電力が必要になります。

逆に、図 1B に示すように、大気圧で分析対象のガスをサンプリングしてナノメートルのオリフィスを使用すると、チャンバーの数と所要電力を減らして分子領域を達成することができます。さらに、支配的な時定数 \(\tau ={V}_{1}/{S}_{x}\) (チャンバー間の導電率が出力の実効導電率よりもはるかに低いため) は劇的に減少します。より具体的には、標準システムでは、V1 ～ 1000 cm3 および Sx ～ 0.1 ～ 1 L/s の典型的な値が得られますが、提案された手法では、V1 ～ 1 mm3 および Sx ～ 0.1 ～ 1 L/s になる可能性があります。時定数を桁違いに短縮します。最後に、列の使用に関する注意点を指摘しておきます。たとえ提案されたアプローチが GC でも使用でき、現在では MS での小型化と実装が容易になったとしても (たとえば、Bristow ら 23 または Huang ら 24 によって最近報告されているように)、その使用を回避する可能性はあります。全体として、結果としてコストと取得時間が削減されるため、検討する価値があります。言い換えれば、追加の情報変数として分離を導入することで GC がシステム全体の選択性を大幅に高めることができたとしても、ガスカラムを使用せずに化合物の確実な同定を示すことがこの論文の焦点です。

ナノデバイスを使用すると、分子流のナノメートルレベルで単一または複数（アレイ）のオリフィスを使用してシステム全体の複雑さを大幅に軽減でき、非常に低いコンダクタンスを実現できます。分子流方式では、流体の集団的な動きを考慮するのではなく、パイプの一方の端からもう一方の端まで「事実上単独で」飛行する単一分子の動きに、統計的根拠のみに基づいて焦点を当てることができます。この場合、コンダクタンス C (\(L\cdot {s}^{-1}\) 内) は、(ポアズイユの方程式のように) 両端の圧力には依存せず、その形状と平均分子速度にのみ依存します。 (または温度)、分子量は次のようになります。

ここで、A は開口部の表面、T (0 K) はガスの温度、V と l はナノオリフィスの体積と深さ、m はガス分析物の分子量 (kg) です。より具体的には、直径 490 nm、深さ 250 nm の (6) を使用すると、空気粒子に対して約 21.7 nL/s のコンダクタンスが得られます。これは、(4) により、周囲圧力でのスループットが約 1.3 × 10- になることを意味します。したがって、約 10 SCCM@1 bar を使用する標準的な質量分析計よりも数桁小さいです。 3D の二次効果を考慮したより洗練された公式 16 を使用すると、約 25% 低いコンダクタンスを得ることができます。ただし、(6) の参照は、さまざまな実験条件でモデルを簡単に確認するために依然として有効です。導電率と分子量の依存性 (重いガスほど \(C\) が高いため、軽いガスはより高い速度で流入します) は、出口流でも同じ効果が発生するため、心配する必要はありません。したがって、大気圧でサンプリングされた同じガス協奏が得られますが、質量平衡方程式でははるかに低い圧力レベルになります。

要約すると、ナノメートルオリフィス技術は、標準 MS システムに対して次の利点を実現します。(i) 機械的実装の簡素化と消費電力の削減。 (ii) サンプリング時定数の減少。 (iii) スループットの低下。これらの特性により、リアルタイムでの測定が可能になり、分析装置が大幅に簡素化され、複雑な環境マトリックス内の化合物を同定および定量するために持ち運び可能になります。

この論文では取り上げられていないさらなる利点は、分子領域のコンダクタンスを通る流れがガスの集団運動を引き起こさず、凝縮の影響、化学反応、さらには目詰まり現象を妨げないことです15。研究中の新しいマイクロ/ナノスケール技術では、ナノオリフィス作動 14 によってイオン源ボリュームへのイオン化圧力をトリミングして、分析機器 14 の最終感度を最大化することができ、これにより測定時間を最小限に抑え、さらなるシステムの簡素化につながります。

スペクトルは、大量の情報を運ぶ信号です。ただし、スペクトル成分全体に広がっているため、生データから傾向を窺い知ることは非常に困難です。上記の理由により、センサー設計では伝達される情報量を最大化する必要があり 25、スペクトル生データの信号処理による予測モデルを使用する必要があります。この研究の最終目標は、質量分析計で測定されたスペクトルから CH2Cl2 と C6H12 の濃度を推定できるモデルを作成することです。これは、1975 年にウォルドによって導入されたモデリング戦略である部分最小二乗回帰 (PLSR) と呼ばれる多変量統計解析のおかげで得られました26。PLS は、スペクトル全体が K 次元空間内の単一の点として見られるという考えに基づいています。ここで、K は取得された変数 (周波数、波長、u/e- など) の数です。一般に、N 個のスペクトルのグループは、一連の K 変数または K 次元空間内の N 点のクラウドによって記述される N 個の観測値として定義できます。したがって、スペクトルデータセットは行列 X (\(N\times K\)) に配置されます。これは、それぞれ K 個の変数で定義される N スペクトルを含む「データ行列」とも呼ばれます。 X データセットに加えて、対象の変数の値 (この例では、 PLSR は、X の分散、Y の分散、および Y の分散を同時に最大化しようとする、潜在変数 (LV) と呼ばれるデータ空間内の新しい方向を特定します。 2 つの間の共分散。数学的には、これは、PLSR が X 行列を 2 つの任意の行列、T \((N\times A)\) (スコア) と W \((A\times K)\) (負荷) に分割できるという事実によって要約できます。、式に従って

ここで、W は新しい方向に沿った分散を最大化し、この方法で誤差残差行列 E \((N\times K)\) を最小化します。さらに、前述の仮定の場合、スコア行列 T は X だけでなく Y の優れた予測子でもあります。

ここで、C と F は、それぞれ Y の負荷と残差行列です。分散と共分散の最大化は、(7) と (8) の間の反復解法によって達成されます。したがって、反復の最後に (7) と (8) をマージすると、次のようになります。

(3) から、PLSR が目的の変数の予測をどのように実行するかが簡単にわかります。アルゴリズムは係数の配列 B (\(K \times M)\) を推定し、これにより次の線形方程式を使用できるようになります。

新しく取得したスペクトル \(\widehat{X}\) から始めて、対象の変数 \(\widehat{{\varvec{Y}}}\) の値を簡単に予測できます。この場合、M = 2: これは CH2Cl2 と C6H12 の濃度であり、\(\widehat{{\varvec{X}}}\) は 1 つのスペクトルほど小さくなり、 \((1\times K になります) )\) 行列。技術全体の概要を図 2 に示します。PLS の基礎となる主成分分析 (PCA) のより詳細な説明は、補足ファイルにあります。

部分最小二乗回帰 (PLSR)。 X キャリブレーションデータセット (左上) は、質量分析計で得られたスペクトルを表し、それぞれがそれぞれの C6H12 濃度に関連付けられています (Y キャリブレーションデータセット、右上)。データセットは、PLSR モデルを作成し、校正係数 B の配列を計算するための入力として使用され、新しいスペクトル入力から未知の濃度 \(\widehat{{\varvec{Y}}}\) を推測するモデルを作成できるようになります。 (\ワイドハット{{\varvec{X}}}\)。

小型質量分析計の分解概念図を図 3A に示します。これは、マイクロおよびナノ技術 (MEMS および NEMS) と現在分析測定に使用されている技術の組み合わせに基づいています。分析プロトタイプには、イオン源、イオンレンズ、質量フィルター、検出器などの標準コンポーネントと直接接続されたナノスケールのオリフィスを通じて実現されたナノガスサンプリングデバイスが装備されており、大気圧でターゲットを直接サンプリングします。実験したプロトタイプを図 3B に示します。カプセル化されたナノ膜インターフェース 2 は、ナノメートルのオリフィスを使用し、分子領域で大気圧で直接動作するスマートサンプリングデバイスとして機能します。サンプリングされた入口ガスはイオン源に直接流れ込み、そこでイオンビームが生成されます。次に、単一のクワッドマスフィルターで、ファラデーカップまたは第 2 チャネル電子増倍管 (CEM) を通じて検出された定義済みのイオンを選択できるため、真空システムが簡素化され、その結果、リアルタイムでの測定が実現します。このテクノロジーにより特定のニーズに合わせた高い汎用性が可能になる場合でも、穴の標準的な直径は 500 nm です。用途に応じて、低濃度の複雑なマトリックス中の化合物に合わせて単一またはアレイのオリフィスを備えた膜を実現することが可能です2。四重極質量フィルター (Research Systems 製 CIS 300) には、閉じたイオン源と検出器としての第 2 チャネル電子増倍管 (モデル 4220 Stanford Research Systems) が装備されています。 CEM 電圧を設定して、濃度の低いサンプルでも信号を増幅することでスペクトルを記録できます。ナノメートルオリフィスの SEM 顕微鏡写真を図 4 に示します。ここでは膜内膜構造が採用されており、ナノスケールの穴が作成される場所でより小さなサブ膜が実現されています2。 80 μm の膜側に 300 ～ 600 nm の穴直径を有するいくつかのデバイスが製造され、テストされました。この論文で紹介する実験に使用した装置には、次のような特徴があります。質量範囲は 1 ～ 300 m/z、典型的な質量分解能は 0.8 m/z、検出限界は約 1 ppm (対象となる化合物によって異なります)。分析）。

イオン源に統合されたナノ界面の機械的概念構造 (a) とプロトタイプの実装 (b)。イメージは、Fusion 360 ソフトウェア (https://www.autodesk.eu/products/fusion-360/overview?term=1-YEAR&tab=subscription&plc=F360) によって生成されました。

チップ裏面からのメンブレンの SEM 画像 (a)、サブメンブレンとオリフィスの詳細 (b)2。 EVO Zeiss 機器の SEM 画像 (https://www.zeiss.com/microscopy/en/products/sem-fib-sem/sem/evo.html)、Fondazione Bruno Kessler (イタリア、トレント) の提供。

実験の目的は 2 つあります。1 つは、GC カラムを使用せずにシステムを使用してリアルタイム MS スペクトルを取得することです。一方、予測モデルを利用して、部分的に重複する質量ピークスペクトルを持つターゲットガスを区別するシステムの能力を特徴付ける。この研究は、揮発性有機化合物 (VOC) が関与する複雑な分析マトリックスの特性を評価するアプローチの可能性を示すことを目的としています。したがって、分析用途で通常使用される 2 つの一般的な溶媒、ジクロロメタン (分子量 85 μの CH2Cl2) とシクロヘキサン (分子量 84 μの C6H12) を選択し、複雑さと実験の困難さの点で典型的なケーススタディを提供しました。より具体的には、これらは両方とも揮発性物質であり、40 ～ 85 μの範囲の比較的大きな断片化パターンを示します。電子イオン化プロセス中に生成されたフラグメントが相対質量ピーク間で重なるスペクトル領域があります。 CH2Cl2 および C6H12 化合物は、3 リットルのバッグと液体標準をバッグに注入するために使用されるセプタム付きのポリプロピレンバルブを使用して調製されたアルゴンのガスマトリックスで希釈されました。サンプル調製に使用した液体化合物は、Merck (Darmstadt、DE) から入手しました。すべての気体溶液は使用日に調製され、同じ温度と圧力の環境条件で保管されました。ガスサンプルの調製には、アルゴンマトリックス (99,9999%) (日本ガス)、Tedlar® バッグ (米国ペンシルベニア州レステック)、および流量計 (デラウェア州ブルックスサイエンティフィック) を使用してバッグを充填しました。

テドラーバッグ標準品の調製には、完全蒸発技術 (FET) が使用されました27。この技術では、少量の純粋なサンプル (数 μL) が使用されるため、オペレーターの有毒物質への曝露が軽減されます。 FET は、液体または固体の凝縮マトリックスから閉じ込められた蒸気相への検体の移動に基づいていました 27。検体は、P < の条件下で短時間で平衡状態に達するまで、テドラーバッグ内へ蒸発するように誘導されました。 Po、ここで P は作業温度でのバッグの体積内の検体のモルの圧力、Po はサンプルの飽和蒸気圧です。テドラー（登録商標）バッグの注入管を流量計に接続し、流量計を使用してバッグを周囲温度および一次圧力２バールで１８分間アルゴンで２．４Ｌになるまでフラッシュした。次に、気密シリンジを使用して、少量の液体マトリックス (μL オーダー) をバッグの隔壁に注入し、ガスマトリックス中で蒸発させて原液を得ました。 25 mL の気密シリンジを使用して希釈溶液を調製し、数 mL のストック溶液を 2.4 L のアルゴンで満たされた Tedlar® バッグに入れて注入しました。濃度は、機器のダイナミックレンジをカバーするように選択されました。検出限界 (CH2Cl2 の場合は 6 ppm、C6H12 の場合は 20 ppm) と、デバイスの飽和問題を回避するために約 1 桁大きい値の間です。この方法を使用して、CH2Cl2 については 6 ppm、30 ppm、および 58 ppm の溶液、C6H12 については 20 ppm、50 ppm、および 93 ppm の溶液をそれぞれ調製しました。 CH2Cl2 と C6H12 のみを含むバッグに加えて、両方を含む他のバッグも同じ方法で準備しました。合計 10 の混合物の組み合わせのデータセットに使用された CH2Cl2 と C6H12 の濃度が表 1 に報告されています。

次に、2 番目の取得キャンペーンが実行され、他の 2 つのガス、キシレンとリモネンが干渉物質として作用する、より複雑な混合物における 2 つのガスの濃度を予測できるモデルが作成されました。サンプル調製方法は同じであり、8 つの新しい混合物が測定されました。これらの混合物中の 4 つのガスの濃度を表 2 に示します。

ナノデバイスのオリフィスを収容するチップ膜は、外部環境の高圧側 (約 1013 mbar) と四重極に向かう低圧側の間に配置され、一定圧力でのサンプリングの実行を可能にしました。上流のクロマトグラフィーカラムは使用しませんでした。テドラーバッグをサンプルホルダーコンパートメントに接続し、質量スペクトルを記録する数分前にガス状サンプルをフラッシュしました。スペクトルは、表 1 に示す濃度について 45 ～ 90 u/e- で記録されており、各スペクトル取得は約 60 秒続きます。最初に、CH2Cl2 と C6H12 のみを含むサンプルを調べました。図 5B と C は、実験の最大濃度、それぞれ CH2Cl2 については 58 ppm、C6H12 については 93 ppm における分析物の質量スペクトルの例を示しています。

質量スペクトルは 45 ～ 90 u/e- で記録されました。各スペクトルの取得には約 60 秒かかります。 58 ppm の CH2Cl2 (a)、93 ppm の C6H12 (b)、および 58 ppm の CH2Cl2 と組み合わせた 93 ppm の C6H12 の質量スペクトル (c)。 CH2Cl2 と C6H12 の NIST 質量スペクトル (電子イオン化エネルギー 70 eV) (d)。

次に、ガス状混合物の質量スペクトルが記録され、その例（５８ｐｐｍのＣＨ２Ｃｌ２と９３ｐｐｍのＣ６Ｈ１２）が図５Ｄに示されている。参考として、2 つの種の NIST スペクトルを図 5A に示します。異なる保持時間に基づいて分析種を区別する GC が存在しないため、スペクトルがどのように部分的に重複しているかは明らかであり、顕著なフラグメンテーションピーク (84 u/e- でのメイン) が見られます。「方法」セクションで詳しく説明されているように、キャリブレーションデータセットを構築するために、反復的かつ自動化されたスペクトルが記録されています。

2 番目の取得キャンペーンでは、同様の方法で、表 2 に示されている混合物を 47 ～ 110 uma の範囲で取得しました。4 つの成分の NIST スペクトルを図 6A に示します。これらの混合の 1 つを図 6B に示します。

質量スペクトルは 47 ～ 110 u/e- の間隔で記録されました。 CH2Cl2、C6H12、キシレン、およびリモネンの NIST 質量スペクトル (電子イオン化エネルギー 70 eV) (a)。 31 ppm の CH2Cl2、75 ppm の C6H12、84 ppm のキシレン、および 80 ppm のリモネンの混合物の質量スペクトル (b)。

生データの一貫性を理解するために、取得したデータと NIST 参照正規化データ間の誤差を推定しました28。より具体的には、MS スペクトルは物理システムと電子読み取りによる非線形性の影響を受けることがよく知られているため、全体的な誤差を評価する必要があります。したがって、スペクトルは、NIST 参照と同様に、単一化合物と複合化合物の最大ピークに正規化されています。次に、位置合わせ前処理後に相関係数 29 を使用してデータが比較されます (「データ拡張と前処理」セクションを参照)。実験データの平均と NIST 参照の比較を図 7 に示します。相関係数は、CH2Cl2 のみ、C6H12 のみ、および両方の混合の 3 つのケースで計算されました。 r 値は取得ごとに計算され (ミックスごとに 32)、平均と標準偏差が計算されました。結果は次のとおりです: C6H12 については r = 0.470 ± 0.020、CH2Cl2 については r = 0.571 ± 0.012、化合物 C6H12 + CH2Cl2 については r = 0.420 ± 0.010。したがって、スペクトル取得では、スペクトルフィンガープリントの重要な特徴であるピーク間の比率を変化させる非線形効果を受けることが明らかです。さらに、低い標準値は、同じミックスでの取得の再現性が高いことを示しています。スペクトルの変形にもかかわらず、既知の参考文献に基づいたデータセットの構築のおかげで、多変量解析が問題を克服できることが、「考察」サブセクションでわかります。

CH2Cl2 (a)、C6H12 (b)、および CH2Cl2 + C6H12 (c) について取得したスペクトルと NIST 参照との比較。

PLSR モデルは、Matlab 環境で動作する PLS_Toolbox30 (Eigenvector Research, inc.、ワシントン州) を使用して作成されました。スペクトルデータセット 31、32、33、34、35、36、37、38 (クラスタリングモデルまたは非クラスタリングモデルを考慮) に基づいて構築される予測モデルの中で、CH2Cl2 およびC6H12 の 2 変数出力モデル (M = 2)。モデルの予測能力を調査するためのテストセットとして 12 の新しいスペクトルを使用し、単一ガスまたは 2 つの組み合わせで測定しました。モデルの適合度は、回帰予測が実際のデータポイントにどの程度近似しているかを測定する決定係数 (\({R}^{2})\) を使用して評価され、最大値は 1 です。

X キャリブレーションデータセットは、表 1 に報告されている CH2Cl2 と C6H12 の各混合物について取得したスペクトルを使用して作成され、合計 320 回取得され、各組み合わせについて 427 ポイントの約 32 のスペクトルが収集されました。ノイズを削減し、同時にデータ拡張を実行するために、最終的な X データセット (K = 427、N = 100) の合計 100 の平均スペクトルについて、組み合わせごとに 20 のランダムなスペクトルの平均を計算しました。実験データから、質量分析計の固有誤差によるスペクトルピーク間のシフトは約 ± 0.25 u/e- であるため、Savorani らによって開発された icoshift という Matlab 関数を平均スペクトルに適用しました 40。最後に、PLSR モデルの入力として使用される前に、スペクトルはオートスケールと呼ばれる前処理を受けます。これは、平均センタリングと単位標準偏差に対する各変数のスケーリングで構成されます。

同じ前処理が 2 回目のキャンペーン中に取得されたスペクトルにも実行され、80 個の整列されたスペクトルが取得されました。これらのデータでは、キシレンに対する正規化のおかげで、新しい取得システムによる誤差が最小限に抑えられました。図 6A からわかるように、ua 値が 106 の場合、結果のスペクトルはキシレンの量によってのみ影響を受けます (リモネンによる影響はごくわずかです）。したがって、表 2 に報告されている取得混合物では、キシレンが 2 つの濃度 (0 および 84 ppm) でのみ使用されているという事実を考慮すると、80 のスペクトルすべて (およびテストとして使用されたスペクトル) のピーク値が対応します。 ua 値 106 に対する値は、測定されたすべての値のうちの 2 つの参照値に正規化されました。特に、両方の濃度で測定された最高値を選択します。0 ppm の場合は 1*10–11、84 ppm の場合は 7.25*10–10 です。各スペクトルについて、106 ua で測定されたピークと対応する参照値の間の比率が計算され、スペクトル全体にその比率が乗算されました。

モデルの結果は、潜在変数の数が減少し (LVs = 5)、決定係数のかなりの値が示され、CH2Cl2 および \({R}^{2}\) について \({R}^{2}\)= 0.886 となりました。 = C6H12 の場合は 0.900。モデルは、X キャリブレーションデータセットに存在しない 12 個の CH2Cl2 と C6H12 の未知の混合物で測定され、平均化され、前述のように位置合わせされたスペクトルを使用してテストされました。測定濃度と予測濃度の関係を図 8 に示します。ここには、予測モデルのエラーバーも表示されています。すべての数値を考慮すると、PLSR で得られたガスの推定濃度は非常に良好です。精度は正規化されたフルスケール二乗平均平方根偏差 (NRMSD) で推定され、精度は \(10.9\mathrm{\%}\) です。 C6H12 の場合は \(18.4\mathrm{\%}\)、CH2Cl2 の場合は。精度は検出時に両方の種の存在を考慮していることに注意してください。

CH2Cl2 (a) および C6H12 (b) の予測モデル誤差バーを使用した予測および測定濃度。単位はppmです。

2 番目のキャンペーンで取得したデータを使用して、CH2CL2 と C6H12 をそれぞれ予測するための 2 つのモデルが作成されました。キシレンとリモネンを追加すると、精度の違いにより、単一の変数を予測するよりも単一の変数を予測する 2 つのモデルを優先するようになりました。両方を予測するモデル。変数予測に必要な計算の単純さを考えると (式 (10) を参照)、1 つのモデルではなく 2 つのモデルを使用した場合の計算時間の変動は無視できます。これら 2 つのモデルは、4 つの要素すべてを含む 3 つの未知のミックスでテストされました。予測プロットを図 9 に示します。黒い点はモデルの作成と校正に使用されたスペクトルを表し、赤い点はテストスペクトルを表します。結果は非常に良好でした。CH2Cl2 については、R2 が 0.981、NRMSD が 4.7% となりました。一方、C6H12 では、R2 が 0.987、NRMSD が 17% となりました。

4 つの成分の混合で取得されたスペクトルを使用して作成された 2 つのモデルの予測プロット。 (a) CH2Cl2 の予測 (b) C6H12 の予測。両方のプロットで、黒い点はモデルの作成と校正に使用されるスペクトルを表し、赤い点はテストセットとして使用されるスペクトルです。緑の線はプロットの二等分線であり、理想的な予測を表します。一方、赤の線はモデルの線形近似を表します。

この論文では、上流にクロマトグラフィーカラムを使用しないナノデバイスベースの質量分析システムからの実験スペクトルの定量的多変量解析結果を示しました。データセットは、干渉物質として作用する重複ピークを持つ 2 つの化合物の 10 種類の異なるブレンドから得られた 320 の生スペクトルに基づいて構築されました。このモデルは、混合混合物であっても、種ごとにそれぞれ \(10.9\mathrm{\%}\) と \(18.4\mathrm{\%}\) の NMRSD 誤差の精度を示しました。次に、2 つの化合物と干渉剤として使用される別の 2 つのガスの混合物で取得された 256 のスペクトルを含む 2 番目のデータセットが作成されました。 2 つの化合物ごとに 1 つのモデルが作成され、どちらも優れた予測能力を示し、NMRSD はそれぞれ 4.7% と 17% でした。モデルの精度は、より広範囲で時間のかかるセットアップを使用して、2 つのガスについてより多くの異なる濃度でより多くの取得を行い、X キャリブレーションデータセットを拡大することで向上させることができます。ただし、モデルをオフラインで構築すると、非常に少ない計算リソースでリアルタイム検出システムに簡単に実装できます (モデルの計算要件の詳細については、補足ファイルを参照してください)。

現在の研究中に使用および/または分析されたデータセットは、合理的な要求に応じて責任著者から入手できます。

Kurth, ML & Gramotnev, DK 分子のナノ流体送達: ナノホールを使用した統合プラズモンセンシング。マイクロ流体。ナノフルイディクス 14、743–751 (2013)。

記事 CAS Google Scholar

Bagolini, A.、Correale, R.、Picciotto, A.、Di Lorenzo, M. & Scapinello, M. 分析用途向けのナノスケール穴付き MEMS 膜。膜 (バーゼル) 11、74 (2021)。

論文 CAS PubMed Google Scholar

ハリゾフ、AF 他。イオンドリフト - 化学イオン化質量分析による気相塩化第二水銀の直接検出。アトモス。環境。 238、117687 (2020)。

記事 CAS Google Scholar

Niu, Q. et al. ガスクロマトグラフィー/質量分析および光イオン化質量分析による、HZSM-5 でのヤシ殻の接触熱分解の調査。 J.アナル。応用ピロリス。 152、104946 (2020)。

記事 CAS Google Scholar

Drees, C. et al. イオン移動度分析用のイオン化源としてのフレキシブルマイクロチューブプラズマ (FμTP) の段階的な最適化。アナル。チム。 Acta 1127、89–97 (2020)。

論文 CAS PubMed Google Scholar

Jung、JK、Kim、IG、Chung、KS、Baek、UB ガスクロマトグラフィーを使用したニトリルブタジエンゴム中の水素の透過特性の分析。メーター。化学。物理学。 267、124653 (2021)。

記事 CAS Google Scholar

Jung、JK、Kim、IG、Chung、KS、Baek、UB ゴム中の水素透過特性を評価するためのガスクロマトグラフィー技術: エチレン・プロピレンジエン・モノマー。科学。議員第 11 号、1–12 (2021)。

Google スカラー

Jung、H.ら。ポータブルガスクロマトグラフィーに統合された Pd コーティングされた In2O3 薄膜を使用した、サブ 1 ppb レベルのイソプレンの選択的検出。応用サーフィン。科学。 586、152827 (2022)。

記事 CAS Google Scholar

キム、H.ら。マイクロポンプ駆動の高速memsガスクロマトグラフィーシステム。トランスデューサーおよびユーロセンサー '07 - ソリッドステートセンサー、アクチュエーターおよびマイクロシステムに関する第 4 回国際会議 1505 ～ 1508 (IEEE、2007)。 https://doi.org/10.1109/SENSOR.2007.4300430。

Hsieh, HC & Kim, H. 微小循環ガスクロマトグラフィーシステムによって可能になる異性体分離。Ｊ．Ｃｈｒｏｍａｔｏｇｒ． A 1629、461484 (2020)。

論文 CAS PubMed Google Scholar

Qin, Y. & Gianchandani, YB 統合ポンプを備えたマイクロガスクロマトグラフィーシステムのための、簡単で標準化された製造アプローチとスケーラブルなアーキテクチャ。 2013 年トランスデューサーおよびユーロセンサー XXVII: ソリッドステートセンサー、アクチュエーターおよびマイクロシステムに関する第 17 回国際会議、トランスデューサーおよびユーロセンサー 2013 2755–2758 (2013) https://doi.org/10.1109/Transducers.2013.6627376。

Cheng, Q.、Qin, Y. & Gianchandani, YB マイクロガスクロマトグラフィー用途向けの優れた熱管理を備えた双方向クヌーセンポンプ。手順 IEEE国際会議マイクロエレクトロメカ。システム。 167–170 (2017) https://doi.org/10.1109/MEMSYS.2017.7863367。

Byambadorj, T.、Qin, Y.、Gianchandani, YB、SOI スルーウェーハモノリシック Knudsen ポンプにおけるブロッキング圧力の強化。大容量ストレージシステムとテクノロジーに関する IEEE シンポジウム 43–46 (2022)。

US10229809B2。組成制御および強度制御されたイオン流を生成するための装置および関連する方法。（2015年）。

US20170133212A1。気体組成を分析するためのポータブル電子機器。（2017年）。

ラファティ、JM 真空科学技術財団 (Wiler、1998)。

Google スカラー

Welke, JE、Manfroi, V.、Zanus, M.、Lazzarotto, M. & Zini, CA 飛行時間型質量分析検出データを備えた包括的な二次元ガスクロマトグラフィーの多変量解析を使用した、ブドウ品種によるワインの区別。食品化学。 141、3897–3905 (2013)。

論文 CAS PubMed Google Scholar

Lv、SDら。プーアル緑茶の品質評価のための、GC-MS フィンガープリントと揮発性成分に基づく多変量分析。食べ物アナル。方法 8、321–333 (2015)。

記事 Google Scholar

モゴロン、NGS 他エクアドルの蒸留酒のパターン認識のための多変量データ分析と組み合わせた包括的な二次元ガスクロマトグラフィー質量分析法。化学。セント。 J. 12、1–10 (2018)。

記事 Google Scholar

Jha, SK、Imabashi, M.、Hayashi, K.、Takamizawa, T. GC-MS スペクトルを使用した人間の体臭識別のためのデータ融合アプローチ。 IEEE ISSNIP 2014 - 2014 IEEE 第 9 回インテリジェントセンサー、センサーネットワークおよび情報処理に関する国際会議会議議事録 21–24 (2014) https://doi.org/10.1109/ISSNIP.2014.6827592。

スターク、EN et al. 黒色腫サンプルからの質量分析分析の深層学習研究。 ISOEN 2019 - 第 18 回嗅覚と電子鼻に関する国際シンポジウム、議事録 1 ～ 4 (2019) https://doi.org/10.1109/ISOEN.2019.8823194。

ジャジン、MG 他ガスクロマトグラフィーと質量分析に基づく非標的メタボロミクスは、甲状腺髄様がんにおける代謝の乱れを明らかにします。科学。議員第 12 号、1–9 (2022)。

記事 Google Scholar

ブリストー、RL et al. 飲料水中のジェオスミンおよび 2-メチルイソボルネオールの自動マイクロ固相抽出ガスクロマトグラフィー質量分析 (μSPE-GC-MS) 検出方法。科学。議員第 13 号、1–9 (2023)。

記事 MathSciNet Google Scholar

Huang、X.ら。統合された流量制限空気圧モジュレーターを使用したポータブルな包括的な二次元マイクロガスクロマトグラフィー。マイクロシスト。ナノエン。 https://doi.org/10.1038/s41378-022-00452-5 (2022)。

記事 PubMed PubMed Central Google Scholar

Tartagni, M. 電子センサー設計原則 (ケンブリッジ大学出版局、英国、2022 年)。

Google Scholar を予約する

Wold、HOA Soft モデリング: 基本設計といくつかの拡張機能。間接観察下のシステム: パート II 36–37 (北オランダ、1982)。

Markelov, M. & Guzowski, JP マトリックスに依存しないヘッドスペースガスクロマトグラフィー分析。この完全蒸発技術。アナル。チム。 Acta 276、235–245 (1993)。

記事 CAS Google Scholar

ウォレス、WE 質量スペクトル。 NIST Chemistry WebBook NIST Standard Reference Database Number 69 (Linstrom, PJ & Mallard, W. 編) (国立標準技術研究所、2022)。

Google スカラー

Stoll, DL、Rutan, SC & Venkatramani, CJ 液体クロマトグラフィーにおけるピーク純度、パート I: 基本概念、商用ソフトウェア、および制限事項。 LCGCノースアム。 36、110–118 (2018)。

Google スカラー

Eigenvector Research, Inc. PLS_Toolbox 8.9.2 (2021)。

アブデルラーマン、EM 他地上ベースのハイパースペクトルデータと 4 つの部分最小二乗 (PLS) ベース (PLS1、PLS2、SPLS1、SPLS2) 回帰アルゴリズムを使用して、さまざまな灌漑水源におけるスイスチャードの葉の多量栄養素と微量栄養素の濃度を推定します。計算します。電子。農業。 132、21–33 (2017)。

記事 Google Scholar

アイナーソン、KA et al. 近赤外分光データを使用したペクチンのパフォーマンス強度の予測: 1 次元畳み込みニューラルネットワーク、部分最小二乗法、およびリッジ回帰モデリングの比較評価。Ｊ．Ｃｈｅｍｏｍ． 36、1–15 (2022)。

記事 Google Scholar

Coelho、E. et al. 発酵パラメーターの最適化、化学的特性評価、官能評価など、工業的に加工された果実濃縮物から果実酒を開発するための体系的なアプローチ。 Lwt 62、1043–1052 (2015)。

記事 CAS Google Scholar

メッツ、M.ら。 RoBoost-PLS2-R: マルチレスポンス用の RoBoost-PLSR メソッドの拡張。ケママ。知性。研究室システム。 222、104498 (2022)。

記事 CAS Google Scholar

Mishra, P. & Passos, D. 近赤外分光法に基づいて果物のさまざまな形質を同時に予測するための多出力 1 次元畳み込みニューラルネットワーク。収穫後のバイオル。テクノロジー。 183、111741。https://doi.org/10.1016/j.postharvbio.2021.111741 (2022)。

記事 Google Scholar

Franceschelli、L. et al. イワシ (Sardina pilchardus) の鮮度を評価するための Vis/NIR ハイパースペクトルイメージング。 2020 年の農業および林業のための計測に関する IEEE 国際ワークショップ (MetroAgriFor) 124–128 (2020)。

Berardinelli, A.、Iaccheri, E.、Franceschelli, L.、Tartagni, M. & Ragni, L. 非接触導波管装置と多変量回帰分析によるキウイフルーツの果肉の硬さの非破壊評価。 IEEE J. Emerg. セル。上。回路システム 11、515–522 (2021)。

記事 ADS Google Scholar

Franceschelli、L. et al. 非侵襲的な土壌水分感知システムの電子アーキテクチャ: 実際の環境評価。センサー 20、6147 (2020)。

論文 ADS PubMed PubMed Central Google Scholar

2 次元以上の潜在変数を使用した PLS モデリングにおける Wold, S. （1987年）。

Savorani, F.、Tomasi, G.、Engelsen, SB icoshift: 1D NMR スペクトルを迅速にアライメントするための多用途ツール。Ｊ．Ｍａｇｎ．レゾン。 202、190–202 (2010)。

論文 ADS CAS PubMed Google Scholar

リファレンスをダウンロードする

著者らは、査読論文に対する有益な提案をいただいた Michele Castelluzzo に感謝します。

イタリア、ボローニャのボローニャ大学（IT）母校スタジオルム電気電子情報工学科（DEI）

レオナルド・フランチェシェリ、アルド・ロマーニ、マルコ・タルターニ

ナノテク分析 SRL、トリノ、イタリア

カルラ・チリクーニョ、マウリツィオ・ディ・ロレンツォ、ラファエレ・コレアーレ

トレント大学 (IT) 生産工学科、トレント、イタリア

アンナキアラ・ベラルディネリ

C3A センター農業食品環境、トレント大学 (IT)、トレント、イタリア

アンナキアラ・ベラルディネリ

PubMed Google Scholar でこの著者を検索することもできます

論文の構想と学際的アプローチ: MT および RC モデルおよびデータ分析: LF 物理モデル: RC および MT、データ収集および実験セットアップ: CC 計算分析: AR 執筆: MT、LF、CCAR、RC 重要改訂: すべての著者。最終承認: すべての著者。

レオナルド・フランチェシェリへの手紙。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Franceschelli、L.、Ciricugno、C.、Di Lorenzo、M. 他多変量解析によるリアルタイムガス質量分析。 Sci Rep 13、6059 (2023)。 https://doi.org/10.1038/s41598-023-33188-x

引用をダウンロード

受信日: 2022 年 8 月 11 日

受理日: 2023 年 4 月 8 日

公開日: 2023 年 4 月 13 日

DOI: https://doi.org/10.1038/s41598-023-33188-x

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

ブログ

本物