MARC

 008250123s2024        us                              c    eng  d
■001000017164968
■00520250211153108
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346398035
■035    ▼a(MiAaPQ)AAI31682054
■035    ▼a(MiAaPQ)Purdue27048040
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a660
■1001  ▼aHu,  Yanyang.
■24510▼aAccelerating  Mass  Spectrometric  Analysis:  from  Ionization  to  Data  Interpretation
■260    ▼a[Sl]▼bPurdue  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a198  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Cooks,  R.  Graham.
■5021  ▼aThesis  (Ph.D.)--Purdue  University,  2024.
■520    ▼aMass  spectrometry  (MS)  is  a  powerful  tool  for  analyzing  complex  mixtures,  offering  valuable  information  regarding  identification  and  quantification  for  laboratory  research,  both  fundamental  and  applied.  Manipulating  ions  using  electrostatic  and  electrodynamic  fields  in  a  vacuum  environment,  MS  is  inherently  fast  and  capable  of  generating  diverse  structural  information.  However,  the  potential  speed  of  MS  analysis  is  often  hindered  due  to  the  necessity  of  separating  complex  mixtures  prior  to  injection  into  the  mass  spectrometer.  In  this  dissertation,  we  demonstrate  methods  to  improve  the  speed  of  mass  spectrometric  mixture  analysis  at  every  stage,  from  ionization  to  ion  trapping,  and  eventually  to  data  analysis.One  solution  to  the  challenge  of  increasing  speed  is  ambient  ionization  using  nESI  coupled  with  microdroplet-based  reaction  acceleration.  During  the  travel  of  the  microdroplet  from  the  ionization  source  to  the  inlet  of  the  mass  spectrometer,  a  derivatization  reaction  was  shown  to  increases  the  signal  of  compounds  with  a  targeted  functional  group  from  the  mixture  within  milliseconds.  This  eliminated  the  need  for  time-consuming  chromatographical  separation,  allowing  for  class-based  mixture  analysis  (e.g.phenolic  compounds,  chapter  2).  This  accelerated  chemical  reaction  mechanism  was  studied  using  the  Katritzky  reaction  and  a  large  surface-tovolume  ratio  (chapter  3).  It  is  suggested  that  acceleration  is  associated  with  an  electric  double  layer,  which  creates  a  strong  electric  field  near  the  air-liquid  interface.The  second  part  of  the  discussion  on  speeding  up  mixture  component  identification  uses  a  modified  ion  trap  and  a  new  scan  type:  two-dimensional  tandem  mass  spectrometry  (2D  MS/MS).  In  this  experiment,  MS/MS  data  of  all  precursors  is  recorded  without  isolation,  thereby  allowing  characterization  of  each  molecule  in  the  mixture  using  a  single  ion  injection.  The  generated  data  is  stored  in  an  image  format  where  one  dimension  represents  the  precursor  domain  while  the  other  dimension  represents  the  product  m/z  values.  This  allows  for  the  structural  interpretation  of  all  mixture  components  from  a  single  spectrum.  Applications  of  this  technology  include  developing  point-of-care  assays  to  analyze  patient  blood  HIV  drug  levels  in  less  than  five  minutes  (chapter  5  and  6)  and  the  in-situanalysis  of  sulfonamides  in  milk  in  less  than  one  minute  (chapter  7)  using  portable  mass  spectrometers.The  third  improvement  is  focused  on  novel  data  analysis  techniques.  In  one  case,  the  effects  of  an  accelerated  reaction  on  a  complex  mixture  were  visualized  using  subtracted  2D  MS/MS  20  spectra,  which  provided  an  additional  layer  of  information,  speeding  up  the  processing  and  interpretation  of  an  unknown  mixture  (chapter  8).  In  another  case,  raw  2D  MS/MS  spectra  were  formatted  and  processed  for  machine  learning  analysis,  which  was  used  to  classify  and  identify  eight  different  bacteria  based  on  lipid  region  profiles  within  seconds.
■590    ▼aSchool  code:  0183.
■650  4▼aSurfactants
■650  4▼aMass  spectrometry
■650  4▼aReagents
■650  4▼aBubbles
■650  4▼aElectric  fields
■650  4▼aSolvents
■650  4▼aNeural  networks
■650  4▼aData  processing
■650  4▼aKinetics
■650  4▼aScientific  imaging
■650  4▼aChemical  bonds
■650  4▼aEnergy
■650  4▼aPhenols
■650  4▼aLibraries
■650  4▼aAnalytical  chemistry
■650  4▼aElectromagnetics
■650  4▼aOrganic  chemistry
■690    ▼a0791
■690    ▼a0486
■690    ▼a0800
■690    ▼a0607
■690    ▼a0490
■71020▼aPurdue  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0183
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164968▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서