Почему для МС-визуализации требуется высокая разрешающая способность по массе?
Метод МАЛДИ-МС изначально разрабатывался для исследования высокомолекулярных соединений, таких как белки и пептиды. Однако с расширением сферы применения МАЛДИ-МС интерес сместился в сторону изучения более мелких молекул, таких как липиды, фармацевтические препараты и их метаболиты. Традиционная МАЛДИ-МС с рефлектроном (TOFMS) испытывает трудности с различением сигналов малых молекул от сигналов молекул матрицы. В случае МАЛДИ-МС сигналы от нежелательных молекул на поверхности образца часто интерферируют с сигналами целевых аналитов. Высокая селективность, достигаемая благодаря высокой разрешающей способности по массе, необходима для получения надежных данных о пространственном распределении целевых аналитов.
SpiralTOF TM -plus 3.0 с его высокой разрешающей способностью по массам незаменим для визуализации MALDI MS.

Срез ткани помещают на предметное стекло с покрытием ITO, и на поверхность распыляют матричный раствор.
Образец перемещается под сфокусированным лазерным лучом, создавая серию масс-спектров, зависящих от времени, где каждый момент времени соответствует определённому пространственному положению. Анализ данных позволяет исследователю визуализировать пространственное распределение конкретных соединений на поверхности образца.
Данные масс-спектрометрической визуализации можно анализировать с помощью программного обеспечения JEOL msMicroImager TM (опционально) или преобразовывать в общепринятый формат данных imzML, который позволяет проводить анализ данных с помощью SCiLS Lab MVS (опционально) или другого стороннего программного обеспечения, например BioMap.

Фильтр FINE-AI: фильтрация шума с использованием технологии ИИ (машинного обучения)
Наше новейшее программное обеспечение для обработки данных МС-визуализации msMicroImagerTM версии 3 (опционально) теперь оснащено фильтром FINE-AI — технологией фильтрации шума, использующей искусственный интеллект (машинное обучение). Этот новый фильтр FINE-AI создан на основе технологии JEOL LIVE-AI (Live Image Visual Enhancer-AI), разработанной для наших сканирующих электронных микроскопов (СЭМ). Эта технология была повторно оптимизирована для МС-визуализации и внедрена для значительного повышения качества МС-изображений.

Масс-спектрометрический анализ липидов в срезах мозговой ткани мыши
Срезы мозга мыши содержат различные классы липидов. Масс-спектр, полученный из среза ткани, очень сложен, особенно в области m/z 700–1000. Многие пики в масс-спектре составляют менее 10% от базового пика, представляя собой минорные компоненты. Для визуализации липидов методом МАЛДИ-МС требуется достаточно высокая разрешающая способность по массе, чтобы отделить минорные пики от помех. Нижний масс-спектр ниже демонстрирует расширение m/z 820–823. Многие пики были разделены друг с другом менее чем на 0,1 а.е.м. Высокая разрешающая способность по массе SpiralTOF TM -plus 3.0 четко разделила эти изобарические пики, что позволило определить элементный состав 4 липидов. Более того, каждый липид четко продемонстрировал различное пространственное распределение. Определение элементного состава и точное определение пространственного распределения для каждого липида было бы затруднительно с помощью обычного рефлектронного TOFMS с умеренной разрешающей способностью по массе.
Применяя фильтр шума FINE-AI, можно получить MS-изображения еще более высокого качества.

ПЭ: фосфатидилэтаноламин, ПК: фосфатидилхолин, ГалЦер: галактозилцерамид.
Разделение изобарических ионов и их масс-спектрометрические изображения, обработанные с помощью фильтра FINE-AI.
Эти данные были получены в рамках совместного исследовательского проекта с группой масс-спектрометрии Центра фундаментальных исследований Высшей школы естественных наук Университета Осаки.
Образец среза ткани был предоставлен лабораторией Авазу Отделения устойчивой энергетики и инженерии окружающей среды Высшей школы инженерии Университета Осаки.
Статистический анализ данных масс-спектрометрической визуализации с использованием SCiLS Lab MVS
Расширенный статистический анализ данных был выполнен на основе всех пиков масс-спектра, обнаруженных в приведенных выше данных, с использованием SCiLS Lab MVS. Сегментация характерных областей и извлечение масс-спектра из каждого сегмента были выполнены благодаря высокой разрешающей способности масс-спектрометра JMS-S3000 SpiralTOF™-plus.
Результат pLSA (вероятностного латентно-семантического анализа)

Связь между графиком оценок pLSA и сегментацией

Сегментация

Масс-спектры из соответствующих сегментов

Проанализировано с помощью SCiLS Lab MVS, версия 2020b Premium3D
Анализ данных масс-спектрометрической визуализации синтетических полимеров с использованием msMicroImager™
При традиционной масс-спектрометрии изображение формируется путём указания определённого диапазона масс/заряда . Однако, поскольку полимеры полидисперсны и имеют определённое молекулярно-массовое распределение, традиционный метод позволяет получить только изображение массы для определённой степени полимеризации, а пространственное распределение полимера в целом визуализировать невозможно. Для решения этой проблемы msMicroImager™ позволяет получить изображение, содержащее среднечисленную молекулярную массу (Mn), средневесовую молекулярную массу (Mw) и полидисперсность (D) полимера. Это позволяет визуализировать пространственное распределение полимеров более наглядно, объединяя сотни изображений массы, полученных для каждой степени полимеризации/изотопного пика, в три изображения.
MS-визуализация полиэтиленгликолей с различным распределением молекулярной массы (MSTips № 305)
Традиционный метод позволяет визуализировать распределение видов полимеров с определенной степенью полимеризации.




