Agilent ASMS 2020 Posters Book

Postery | 2020 | Agilent Technologies | ASMSInstrumentace
GC/MSD, GC/MS/MS, GC/HRMS, HeadSpace, Příprava vzorků, GC/SQ, GC/Q-TOF, Iontová mobilita, LC/TOF, LC/HRMS, LC/MS, LC/MS/MS, LC/QQQ, LC/SQ
Zaměření
Potraviny a zemědělství, Forenzní analýza a toxikologie, Farmaceutická analýza, Proteomika, Materiálová analýza, Klinická analýza
Výrobce
Agilent Technologies

Sledování enantioselektivní enzymatické hydrolýzy esterů butyrátu metodou LC–MS


Pro rychlé sledování složitých enzymatických reakcí bylo přidáno jednoduché hmotnostní stanovení na single-quad LC/MSD iQ ke standardnímu chromatografickému přístroji Agilent 1290 Infinity II.
  • Reakce: enantioselektivní hydrolýza racemických butyrátových esterů pomocí enzymů L3 a E2.
  • Příprava vzorku: přímý odběr alikvot z reakčního roztoku, zastavení reakce pasážováním přes C18 SPE kartuček za studena.
  • Chromatografie: 13min rychlý gradient (5→90→5 % methanolu s 0,1 % kyseliny mravenčí) na C18 sloupci, detekce UV i m/z.
  • MS detekce: jediný kvadrupól pracuje ve smíšeném režimu scan/SIM (100–500 m/z + SIM na m/z odpovídající substrátu, produktu i meziproduktům).

Základní výsledky a výhody:
  • Produkty a substráty bez optického absorbčního maxima byly spolehlivě detekovány pouze na základě m/z.
  • Scan data odhalila četné nízkoabundantní meziprodukty i vedlejší produkty ve stejném chromatografickém vrcholu.
  • Doplňkový SIM režim umožnil sledovat klíčové ionty (m/z 247, 269 pro substrát; 194, 199, 159 pro produkt).
  • Rychlé odběry vzorků s 40s cyklem per injekci u Fast LC nebo 15s u RapidFire přístroje zvýšily propustnost bez ztráty selektivity.
  • Podání 24 vzorků prokazuje vysoce reprodukovatelné průběhy tlaků pump i start/stop záznamu MS.
  • Rychlá kinetická křivka produktu (<24 h) pro enzym E2 vs. L3 umožnila včasné rozhodování o optimalizaci reakčních podmínek.

Závěr:
Výsledná metoda jedním kvadrupólem je citlivá, selektivní a vysoce propustná, vhodná pro rutinní monitorování enzymatických reakcí, objev meziproduktů a optimalizaci biokatalytických procesů.

Obsah byl automaticky vytvořen z originálního PDF dokumentu pomocí AI a může obsahovat nepřesnosti.

PDF verze ke stažení a čtení
 

Podobná PDF

Classifying the pesticides in foods between GC-amenable and LC-amenable using the prediction model with molecular descriptors
Optimum molecular descriptors based on 89 machine learning methods for predicting the recovery rate of pesticides in crops by GC-MS
Workflows for GLP-1 Receptor Agonists and Therapeutic Peptides: Identity, Impurity, Bioanalysis, and Stability Testing
Targeted Peptide Quantitation of Seven Food Allergens in Dark Chocolate Using Triple Quadrupole LC/MS