气相色谱矩形离子阱质谱联用仪的设计与性能

气相色谱离子阱质谱联用仪(GC-ITMS)广泛地应用于药物分析、环境分析、农药检测和食品分析、有机化学品分析、毒品分析以及医学和生物分析等领域。离子阱质谱作为色谱的检测器,决定了色质联用仪的分析性能,包括检出限、分辨率。离子阱质量分析器从传统的双曲型3D离子阱发展到2D线性离子阱,质量歧视效应得到了极大的改善,灵敏度得到了提高。矩形离子阱作为线性离子阱,结构简单,加工和装配容易,因此应用到GCMS系统中将具有非常大的优势。介绍了矩形离子阱质谱仪的设计方案、仪器整机的性能测试、质量分辨和质量歧视效应分析,与Agilent6890组成GCMS联用仪,对实际样品进行了分析。     

大气采样辉光放电质谱仪的设计与应用

针对某些弱极性类物质难以通过大气压离子源直接电离的问题,提出基于大气采样辉光放电电离方式实现弱极性物质在大气压下直接进样、电离和质谱分析的方法.通过在大气压接口-四极质谱仪的第一级真空中的离子透镜上施加交流高压产生放电,简化了辉光放电离子源的设计,能直接离子化大气压接口吸人的物质,离子在离子透镜的传输下进入四极杆质量分析器实现质谱分析.实验表明,本方法能电离电喷雾电离离子源和大气压化学电离离子源未能电离的弱极性物质——艾试剂,并且负离子工作模式比正离子工作模式的信号至少强40倍.     

基于非负分解方法的质谱成像数据特征提取

质谱成像技术能够在同一个实验里无需标记手段而获得样品表面的分子信息及其分布信息,是当前质谱分析的热点.其分析所得数据量大且复杂,使其特征难以提取.多元统计分析方法,特别是主成分分析法已应用于质谱成像数据的压缩和特征提取.然而由于主成分分析常产生负的数据结果,其意义难以解释且不易分解为单一的特征.本研究开发出一种基于非负分解的质谱成像数据提取方法,能够提取单一的分子特征及其在样品上的分布特征,并将多个单一的特征分布通过红、绿、蓝三色叠加显示,获得轮廓直观的综合特征分布.应用本方法对小鼠脑组织切片质谱成像数据进行分析,可直观分解出灰质区域、白质区域和背景区域,相对主成分分析方法更直观且易于解释.应用本方法对在同一个样品靶上的人膀胱癌变组织和其相邻非癌变组织切片质谱成像数据进行分析,癌变与非癌变组织间差异清晰直观.本研究设计的质谱成像软件可由http://www.msimaging.net获取.     

便携式质谱仪的研究进展

面对大气、河流、土壤等化学污染,各种突发性爆炸事故和化学泄漏事件,以及生化武器滥用等等社会问题,迫切需要对源头进行现场原位检测分析.质谱(MS)以其检测速度快、灵敏度高、检测样品量少、可对未知物定性定量检测等特点,非常适合应用于这些现场的分析检测.然而实验室用MS的体积、重量、功耗等较大,不便于搬运,无法实现现场的原位检测.近年来,便携式质谱仪的出现,使得现场原位质谱分析成为可能,并且随着人们对原位质谱分析的要求越来越高,便携式质谱仪从质量分析器、迸样方法,以及真空系统等方面进行了不断改进,并在临床诊断、食品质量控制、法医学、环境学等多个领域发挥了重要作用.文章对近年来便携式质谱仪的发展进行了梳理,并对仪器及其相关部件的未来发展趋势进行了展望.     

热休克蛋白90的分子伴侣调控与癌症研究进展

热休克蛋白90(Heat shock protein 90,HSP90)是在遗传上高度保守的热休克蛋白家族成员之一。在真核生物细胞中,HSP90作为一种重要的分子伴侣,在维持细胞内蛋白质稳态方面起到关键的调节作用。HSP90的底物蛋白种类繁多,因而HSP90广泛参与诸多生命活动。随着研究的深入,研究者发现HSP90对肿瘤的发生发展以及转移起到重要调节作用,HSP90逐渐成为抗肿瘤生物学研究的靶点。本文综述了HSP90作为分子伴侣的最新研究进展及其与癌症的关系。     

基于人工神经网络的生物组织质谱成像分类与识别方法

生物组织质谱成像技术不仅能够展示组织的生物分子信息,而且能直观地显示分子空间分布,是当今生物质谱的研究热点.如何对生物组织质谱成像的数据进行基于生物分子的有效分类与识别是该领域关注的重要问题,特别对于病变组织与其邻近非病变组织的区分与识别和生物组织功能区域的划分与鉴定具有重要的意义.本研究开发出一种新的分类与识别方法.其流程是,首先进行质谱成像数据预处理,应用无监督的自组织特征映射网络区分组织样品区与非组织区域,提取组织区域的质谱数据,应用有监督的学习向量量化网络对已知类别数据进行学习训练,建立模型;应用模型对未知样品进行识别.应用本方法对6个膀胱癌患者的膀胱癌变组织与邻近非癌变组织的质谱成像数据进行分类与识别,结果显示,癌变组织判错率低于23.38％,而非癌变组织判错率低于9.08％,表现出较高的准确度;对3片邻近的小鼠大脑切片质谱成像数据进行白质与灰质区域划分,将中间的1片用于训练,两边的2片用于验证,结果显示,自组织特征映射网络的分类结果与学习向量量化网络的预测结果不一致率低于4％.本方法基于生物分子的质谱成像组织区域分类与识别,具有较高准确度和操作简便等优点,在临床医学研究领域有大规模的应用潜能.