Raw Data Files for EI Low Resolution in the Identifications Folder

Význam tématu

Během zpracování chromatogramů GC–MS programem NIST vzniká soubor mezivýstupů, které dokumentují identifikaci vzniklých komponent prostřednictvím dekonvoluce a následného vyhledávání v knihovnách. Tyto „raw output“ soubory fungují jako auditní stopa zpracování: uchovávají extrahované iontové stopy, definice komponent, dekonvoluované spektra a diagnostické informace o kvalitě oddělení. Pro praxi v analytické chemii je důležité rozumět těmto souborům, protože poskytují transparentnost kroků, umožňují reprodukovatelnost a jsou použitelnou základnou pro porovnávání vzorků nebo pro vývoj uživatelských analytických nástrojů.

Cíle a přehled studie / článku

Text popisuje obsah a význam jednotlivých výstupních souborů, které NIST/MSSEARCH (AMDIS-styl) generuje pro nízkorozlišovací EI GC–MS analýzu. Hlavními cíli jsou: vysvětlit úlohu klíčových souborů (.FIN, .TSV, .ELU, .TIC, .run), ukázat možnosti jejich využití pro porovnání vzorků (detekce rozdílů, PCA, Good vs. Bad), a demonstrovat, že do knihovny jsou posílána pouze dekonvoluovaná spektra (v daném případě pouze 91 spekter), nikoli každý jednotlivý scan.

Použitá metodika a instrumentace

Popisovaná workflow a soubory odpovídají zpracování nízkorozlišovacího EI GC–MS pomocí NIST/MSSEARCH nebo ekvivalentních dekonvolučních nástrojů (AMDIS-typ). Klíčové instrumentální a softwarové prvky jsou:

• GC–MS s elektronovým ionizačním (EI) režimem v nízkém rozlišení
• Softwarová dekonvoluce a vyhledávání v NIST knihovně (MSSEARCH/AMDIS)
• Výstupní soubory: .TIC (celkový iontový chromatogram), .ELU (informace o eluci/ průbězích iontů), .FIN (konečná dekonvoluovaná spektra), .TSV (tabulární souhrn výsledků), .run (parametry běhu a zpracování) a logy

Tyto soubory popisují kroky: extrakce iontových stop → detekce složek → dekonvoluce → vznik čistých spekter → knihovní vyhledávání. Soubor .run obsahuje nastavení dekonvoluce (prahy detekce, parametry integrace), což je klíčové pro reprodukovatelnost analýzy.

Hlavní výsledky a diskuse

• Role jednotlivých souborů: .FIN obsahuje jedno reprezentativní spektrum pro každou vyřešenou komponentu — to je primární vstup do knihovního vyhledávání; .TSV je nejpraktickější pro mezivzorkové srovnání, protože summarizuje retenční časy, match-faktory, ID sloučenin a intenzity; .ELU umožňuje ověřit chování iontů během eluce a odhalit koeluce či artefakty; .TIC dává přehled o chromatografii, ale není vhodný pro porovnání na úrovni komponent.
• Didaktický závěr: systém neprochází každé jednotlivé scanované spektrum knihovnou — dekonvoluce redukuje stovky nebo tisíce scanů na desítky smysluplných spekter (v ukázce 91 spekter), čímž zvyšuje efektivitu vyhledávání a snižuje šum z překryvů.
• Možnosti porovnání vzorků: srovnávání pomocí retenčního času + knihovní identifikace + hlavní ionty/spektrální shoda; porovnání přítomnosti/absence komponent, relativních intenzit (plochy píků), změn v abundačních profilech a změn v match-score. .TSV slouží jako primární zdroj pro tabulární porovnání; .FIN se hodí k porovnání samotných spekter; .ELU pomůže posoudit, zda rozdíly jsou způsobeny koelucí nebo špatnou dekonvolucí.
• Omezení dat: v poskytnutém souborovém souboru chybí retenční index (RI), což ztěžuje porovnání mezi běhy nebo mezi různými pracovišti bez další kalibrace. Nízké hmotnostní rozlišení omezuje schopnost odlišit izobarické interferenty, které by byly rozlišitelné v HRMS.

Přínosy a praktické využití metody

• Transparentnost a auditabilita: výstupní soubory zachovávají kroky zpracování, umožňují zpětnou kontrolu parametrů a odhalení chyb v dekonvoluci.
• Rychlé srovnání vzorků: .TSV lze automaticky parsovat a použít k vytvoření matic přítomnosti/ho–nebo–měření intenzit pro statistické analýzy (např. PCA, hierarchické shlukování).
• Validace identifikací: .FIN a .ELU umožňují manuální kontrolu dekonvoluovaných spekter a ověření, zda byla shoda v knihovně ovlivněna nedostatečnou separací.
• Automatizace a integrace: soubory jsou vhodné pro vstup do uživatelsky psaných aplikací pro porovnávání vzorků nebo pro vlastní reporting a kontrolu kvality.

Budoucí trendy a možnosti využití

• Integrace dekonvoluce a vyhledávání: pokročilé workflow, které kombinují dekonvoluci přímo s pokročilými metrikami podobnosti (spektrální entropie, strojové učení) pro robustnější identifikace.
• Přechod na standardizované otevřené formáty (mzML, mzTab) pro snadnější interoperabilitu mezi softwary a automatizované zpracování v cloudu.
• Využití strojového učení: automatická detekce artefaktů dekonvoluce, klasifikace „good vs. bad“ komponent, predikce pravděpodobnosti správné identifikace.
• Rozšíření na kvantitativní srovnání: automatizované pipeline vytvářející normalizované intenzitní matice pro chemometrické analýzy (PCA, PLS-DA) a monitorování změn v čase nebo mezi skupinami vzorků.
• Propojení s HRMS a databázemi: kombinace nízkorozlišovací EI dat s vysokorozlišovací daty nebo s retenčními indexy pro zvýšení jistoty identifikace.

Závěr

Sada výstupních souborů generovaných NIST/MSSEARCH při nízkorozlišovací EI GC–MS poskytuje obsáhlé informace potřebné k pochopení, ověření a reprodukci procesu dekonvoluce a identifikace. Pro porovnávání vzorků je nejpraktičtějším východiskem .TSV, doplněným o .FIN a .ELU pro spektrální a elučně-technickou kontrolu. Užitečnost těchto souborů lze dále rozšířit vytvářením automatizovaných nástrojů pro porovnávání, chemometrické analýzy a integraci s moderními metodami strojového učení. Nedostatky zahrnují absenci retenčních indexů v ukázce a inherentní omezení nízkého rozlišení, které je třeba zvážit při interpretaci výsledků.

Reference

James Little, Mass Spec Interpretation Services, Raw data files and explanatory notes, April 24, 2026.