Využití moderních výpočtových metod a neuronových sítí k optimalizaci metody pro LC/MS/MS analýzu vojensky významných organofosforových látek

Autoři

  • Dušan Trefilík Ústav ochrany proti zbraním hromadného ničení, Vyškov, Česká republika

DOI:

https://doi.org/10.54779/chl20240103

Klíčová slova:

LC/MS/MS, neuronové sítě, funkcionál elektronové hustoty, novičok, organofosfáty, kvantová chemie, optimalizace

Abstrakt

The search for the optimal instrumental settings of conditions in chemical analysis is typically a lengthy process. This article proposes the use of neural networks for this purpose, particularly in relation to determining the optimal conditions for the analysis of substances under study using LC/MS/MS and ESI technologies, based on the knowledge of their fundamental properties, referred to as universal descriptors. The work focuses on finding such analysis conditions that maximize the precursor ion signal. The paper specifically addresses the question of whether the results obtained from one type of analyte can be used for neural-interpolated prediction of optimal conditions for similar analytes.

chla.jpg

Hledání optimálního nastavení podmínek chemické analýzy je zpravidla zdlouhavý proces. Tento článek k tomuto účelu navrhuje využití neuronových sítí, zejména ve vztahu k určení optimální podmínek pro analýzu zkoumaných látek s využitím technologie LC/MS/MS a ESI ionizací, a to na základě znalosti jejich základních vlastností, označených jako univerzální deskriptory. Práce se soustředí na nalezení takových podmínek analýzy, kdy dochází k maximalizaci signálu iontu prekurzoru. Práce se zabývá zejména otázkou, zda lze výsledky zjištěné na jednom typu analytu použít k neurální interpolační predikci optimálních podmínek analytů podobných.

Publikováno

15.02.2024

Jak citovat

Trefilík, D. (2024). Využití moderních výpočtových metod a neuronových sítí k optimalizaci metody pro LC/MS/MS analýzu vojensky významných organofosforových látek. Chemické Listy, 118(2), 103–110. https://doi.org/10.54779/chl20240103

Číslo

Sekce

Články