열분해 GC-TOFMS 및 AI를 이용한 고분자 열분해물의 구조 분석 - AI 라이브러리를 포함하는 사례 연구 실리에 열분해물
엠에스팁 498호
개요
우리는 자동화된 구조 분석 방법을 갖춘 msFineAnalysis AI를 개발했습니다. [1] (이하 AI 구조 분석)은 비행시간형 질량 분석기(TOFMS), 고질량 분해능 GC-MS, 딥러닝을 통한 질량 스펙트럼 예측을 결합한 미지 화합물 분석 솔루션입니다. 이 소프트웨어는 PubChem DB(이하 AI 라이브러리)에서 얻은 약 100억 개의 화합물의 구조식과 예측된 EI 질량 스펙트럼의 데이터베이스(DB)를 포함하고 있습니다. 통합 분석으로 결정된 분자식 정보를 활용하여 [2], 알려지지 않은 화합물의 구조식을 빠르게 추정하는 것이 가능합니다.
열분해 GC-MS 방법은 수지와 같은 고체 폴리머 샘플의 분석에 널리 사용되는 기술입니다. 열분해 GC-MS에서 관찰된 상당수의 열분해물은 상업적으로 이용 가능한 전자 이온화(EI) 질량 스펙트럼 데이터베이스에 등록되지 않았습니다. 우리는 AI 라이브러리를 사용하여 분석을 시도했고 아크릴 수지의 알려지지 않은 화합물의 구조 분석을 높은 정확도로 수행할 수 있음을 확인했습니다(엠에스팁 No.389). 그러나 일부 올리고머 성분(예: 삼량체)은 AI 라이브러리에 올바른 구조식이 없었습니다. 이는 PubChem DB에 등록된 폴리머 열분해물의 구조식 수가 제한적이기 때문일 수 있습니다.
결과적으로 약 25만 개의 열분해물의 예측된 EI 질량 스펙트럼을 포함하는 새로운 AI 라이브러리가 개발되었습니다. 이 라이브러리는 in silico에 의한 열분해물 구조식의 철저한 생성에서 파생되었습니다. 2024년에 우리는 폴리머 열분해물을 포함한 2억 120만 개의 화합물에 대한 새로운 AI 라이브러리가 포함된 msFineAnalysis AI ver. XNUMX를 출시했습니다.
이 MSTips에서는 msFineAnalysis AI ver. 2를 탑재한 실리코 열분해물을 포함하는 AI 라이브러리를 사용한 분석 사례 연구를 보고합니다.
실험
시중에서 판매하는 아크릴 수지를 시험 샘플로 사용했다. 샘플 전처리 시스템은 EGA/PY-3030D 열분해기(Frontier Labs Inc.)를 사용했고, GC-MS는 JMS-T2000GC(JEOL Ltd.)를 사용했고, EI/FI 복합 이온 소스를 사용했다. 얻은 데이터는 msFineAnalysis AI ver. 2(JEOL Ltd.)를 사용하여 분석했다. 측정 조건에 대한 자세한 내용은 다음을 참조한다. 엠에스팁 No.389.
in silico 열분해물
구조식은 다음과 같습니다. 실리에 열분해물은 다음 절차에 따라 제조되었습니다. AI 라이브러리를 위해 제조된 호모폴리머 및 코폴리머 종은 표 1에 나와 있습니다.
（1）49개의 단량체 화합물을 선정 [3].
(2) 49종의 호모폴리머와 18종의 공중합체의 XNUMX량체 선형 사슬 구조식을 생성한다.
(3) (1)의 구조식에서 5~2개의 단일결합을 무작위로 절단하여 구조식을 생성한다.
（4）(3)의 구조식에서 절단위치의 수소첨가 또는 이중결합치환.
(5) 모든 패턴에 대하여 (2) 및 (3)에 기술된 공정을 수행하여 열분해물 구조식을 작성한다.
모든 단계를 거쳐 우리는 약 25만 개의 열분해물에 대한 구조식을 얻었습니다. 이를 개발된 딥 러닝 모델에 넣고 약 25만 개의 화합물에 대한 EI 질량 스펙트럼을 예측했습니다.
표 1 25만개에 대한 예측 EI 질량 스펙트럼 DB의 폴리머 목록 실리에 열분해물
결과 및 논의
열분해 GC-TOFMS 측정에서 얻은 TIC 크로마토그램이 그림 1에 나와 있습니다. 이 연구에서는 관찰된 아크릴 수지 열분해물의 48개 성분을 분석했으며, 이는 14-20분의 체류 시간으로 삼량체에서 검출되었습니다.
그림 1 아크릴 수지의 Py-GC-EI 및 FI TIC 크로마토그램.
총 48개의 화합물이 삼량체 영역에서 감지되었습니다. 그러나 이 중 23개만 NIST46 DB에 등록되었습니다. 나머지 26개의 화합물은 AI 라이브러리에서 분석되었으며, 그 중 20개는 PubChem DB에서 가져온 것이고 XNUMX개는 실리에 이 연구에서 생성된 열분해물. 삼량체 영역 화합물의 약 40%의 구조식을 추론할 수 있었습니다. 실리에 열분해물 정보.
045분에 관찰된 ID:18.63의 질량 스펙트럼과 추정 구조식을 포함하는 msFineAnalysis AI의 분석 결과 창은 그림 2에 나와 있습니다. 이 성분은 EI 방법으로는 분자 이온으로 거의 관찰되지 않았지만 FI 방법으로는 m / z 분자이온으로 여겨지는 300.15728이 베이스피크로 검출되었으며, 분자식은 C로 추정되었다.15H24O6 높은 질량 정확도를 가지고 있습니다. 분자식 정보는 AI 구조 분석에서 필터로 사용되어 후보 수를 줄입니다. 후보 구조식의 수는 약 120억 7529천만 개의 화합물로 구성된 AI 라이브러리에서 상당히 감소했습니다. XNUMX개의 후보 중에서 가장 높은 점수를 받은 구조식은 실리에 메틸폴리아크릴레이트에서 발생할 수 있는 열분해물.
그림 2 msFineAnalysis AI 결과 창,
ID: 045 질량 스펙트럼 및 추정 구조 실리에 열분해물
이에 해당하는 화합물의 추정 구조식은 다음과 같다. 실리에 열분해물은 Figure 3에 나타나 있으며, 본 연구에서 측정된 아크릴 수지의 구조를 반영하는 삼량체 성분을 확인할 수 있었다.
그림 3. 삼량체 영역의 20가지 화합물에 대한 추정 구조
AI 구조 분석을 사용하여 실리에 열분해 정보
맺음말
이 MSTips에서 우리는 NIST DB에 등록되지 않은 대부분의 검출된 성분을 가진 아크릴 수지의 삼중체 영역에서 구조 분석의 사례 연구를 소개했습니다. msFineAnalysis AI ver.2에는 25만 개의 열분해물의 예측된 EI 질량 스펙트럼이 새롭게 포함되어 고체 폴리머 샘플의 열분해 GC-MS 정성 분석이 더욱 정확해졌습니다. 앞으로 다양한 열분해 GC-MS 정성 분석 응용 분야에 사용될 것으로 기대됩니다.
참조
[1] A. Kubo et al, 질량 분석법, 2023, 12, A0120.
[2] M. Ubukata et al, Rapid Commun Mass Spectrom., 34(2020 ). DOI: 10.1002/rcm.8820
[3] Shin Tsuge, Hajime Ohtani, Chuichi Watanabe (2011), 열분해 - 합성 고분자의 GC/MS 데이터 북, Elsevier
