环境介质中微量有机污染物转化产物的非靶向识别方法.pdf

《环境介质中微量有机污染物转化产物的非靶向识别方法.pdf》由会员分享，可在线阅读，更多相关《环境介质中微量有机污染物转化产物的非靶向识别方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010490615.2 (22)申请日 2020.06.02 (71)申请人 南京大学 地址 210023 江苏省南京市栖霞区仙林大 道163号 (72)发明人 耿金菊吴刚任洪强许柯 (74)专利代理机构 北京栈桥知识产权代理事务 所(普通合伙) 11670 代理人 刘婷 (51)Int.Cl. G01N 30/02(2006.01) G01N 30/06(2006.01) G01N 30/72(2006.01) G01N 30/86(2006.01) (54)发明名称 环。

2、境介质中微量有机污染物转化产物的非 靶向识别方法 (57)摘要 本发明公开了一种环境介质中微量有机污 染物转化产物的非靶向识别方法， 经液相色谱串 联高分辨质谱检测后的样品质谱数据， 经数据前 处理软件处理， 导入分子二级谱图类似处理平台 进行类似性处理， 并将其处理后的数据导入分子 网络可视化软件进行网络图谱的可视化， 根据母 体化合物及已知产物的所在区域判断可能的转 化产物质谱峰， 并根据其相应的二级质谱图推测 并确认其结构式。 本发明所采用的分子网络的非 靶向识别可以特异性的识别目标化合物的转化 产物质谱峰， 从而全面的识别微量有机污染物在 环境介质中的转化产物， 且CFM-ID二级谱图。

3、预测 软件可以提供不具备标准品的转化产物的二级 谱图， 从而有利于该转化产物结构式的确认。 权利要求书2页 说明书8页 附图4页 CN 111707741 A 2020.09.25 CN 111707741 A 1.一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其特征在于， 包括以 下步骤： (1)样品上机检测 使用HLB固相萃取小柱， 经活化、 上样、 淋洗、 洗脱四个步骤对样品进行前处理， 再利用 0.22 m滤膜进行过滤处理， 置于2mL的色谱瓶内； 采用液相色谱串联高分辨质谱仪器进行检 测， 液相采用梯度洗脱方式， 质谱采用一级和二级同时扫描的检测方式， 得到样品的质谱扫 描。

4、原始数据； (2)数据格式转码 对样品的质谱扫描原始数据， 导入MSConvert软件进行转码， 将原始的质谱文件转成 mzXML文件以供后续进一步处理； (3)数据前处理 将步骤(2)所得到的样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处理， 所 述前处理主要包括： 色谱峰提出、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归类、 同位素过 滤； (4)分子网络构建 经处理后， 将经过前处理后的数据导入GNPS分子网络处理平台， 进行二级谱图的聚类 与计算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化， 得到目标化合物转 化产物的可视化网络图； (5。

5、)转化产物峰识别及结构式推测确认 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产物的 m/z所在区域， 与该区域相连的m/z且连线较粗的即认为是该目标化合物的转化产物质谱 峰； 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结构的产物质谱峰间相差的 m/z值推测该产物的结构式， 根据二级谱图确认推测的结构式是否正确。 2.如权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其特征在于， 所述环境介质包括水环境、 大气环境、 土壤环境。 3.如权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其特征在于， 所述的微量有机。

6、污染物包括药品及个人护理品、 持久性有机污染物、 多氯联 苯、 多环芳烃、 有机农药、 全氟化合物。 4.如权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其特征在于， 所述质谱一级和二级同时扫描的检测方式包括DDA扫描及DIA数据采集方式。 5.权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其 特征在于， 所述GNPS分子网络处理平台在进行数据处理时， 分子聚类时一级MS偏差选择 50ppm， 二级MS/MS偏差选择20ppm， 余弦相似度选择0.6， 最少匹配峰数目设置为4。 6.权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向。

7、识别方法， 其 特征在于， 所述Cytoscape 2.8.3软件进行分子网络可视化时， 将m/z映射为节点名称， 将二 级谱图的类似性映射为连线的粗细， 将m/z的相对丰度映射为节点的大小。 7.权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其 特征在于， 所述确定转化产物的结构式主要为： 根据标准品的图谱与试验样品中转化产物 的二级谱图进行匹配， 或者利用二级谱图软件预测的二级谱图与样品谱图匹配， 从而确定 权利要求书 1/2 页 2 CN 111707741 A 2 转化产物的结构式。 8.权利要求7所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 。

8、其 特征在于， 所述二级谱图软件为CFM-ID。 9.权利要求1所述的一种环境介质中微量有机污染物转化产物的非靶向识别方法， 其 特征在于， 将经过前处理后的数据导入GNPS分子网络处理平台， 进行二级谱图的聚类与计 算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化处理。 权利要求书 2/2 页 3 CN 111707741 A 3 环境介质中微量有机污染物转化产物的非靶向识别方法 技术领域 0001 本发明涉及环境介质中微量有机污染物分析技术领域， 具体是涉及环境介质中微 量有机污染物转化产物的非靶向识别方法。 背景技术 0002 近年来， 随着人们对人体健康的日益。

9、关注， 环境介质中微量有机污染物因其负面 生态效应成为研究重点。 在环境介质中， 微量有机污染物一般会发生化学及生物的转化从 而生成各种转化产物， 这些产物的毒性可能较母体化合物更高， 然而相关的研究较少。 这主 要是受限于对环境介质这种复杂基质中微量有机污染物转化产物识别技术的缺陷。 0003 环境介质中微量有机污染物转化产物的识别一般采用高分辨质谱检测并对质谱 图谱的解析确认其结构。 但环境样品一般基质复杂， 即使采用固相萃取浓缩富集及膜处理 净化等前处理措施， 经高分辨质谱得到的全扫峰依旧 “杂乱无章” ， 这使得在众多的质谱峰 中(一般大于10000个)寻找产物峰十分困难。 先前多采用。

10、基于质谱峰相对峰高或与对照组 质谱峰数据的比较推测产物质谱峰， 但这种方法不具有针对性， 费时费力， 无法全面的识别 NSAIDs的转化产物。 以非靶向筛查为基础的识别技术可以在缺乏转化相关信息的基础上识 别新的未知产物， 基于分子网络的非靶向筛查可以特异性的识别结构类似的质谱峰。 因此， 建立一种基于分子网络的非靶向微量有机污染物转化产物的识别方法， 对环境介质中微量 有机污染物转化产物的生态风险评估具有重要意义。 发明内容 0004 针对以上技术问题， 本发明提供一种全面且特异性的识别环境介质中微量有机污 染物转化产物的非靶向识别方法， 能有效解决复杂基质中质谱产物峰识别不全面、 费时费 。

11、力等难题。 0005 本发明的技术方案为： 0006 一种环境介质中微量有机污染物转化产物的非靶向识别方法， 包括以下步骤： 0007 (1)样品上机检测 0008 使用HLB固相萃取小柱， 经活化、 上样、 淋洗、 洗脱四个步骤对样品进行前处理， 再 利用0.22 m滤膜进行过滤处理， 置于2mL的色谱瓶内； 采用液相色谱串联高分辨质谱仪器 进行检测， 液相采用梯度洗脱方式， 质谱采用一级和二级同时扫描的检测方式， 得到样品的 质谱扫描原始数据； 0009 (2)数据格式转码 0010 对样品的质谱扫描原始数据， 导入MSConvert软件进行转码， 将原始的质谱文件转 成mzXML 文件以。

12、供后续进一步处理； 0011 (3)数据前处理 0012 将步骤(2)所得到的样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处 理， 所述前处理主要包括： 色谱峰提取、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归类、 同 说明书 1/8 页 4 CN 111707741 A 4 位素过滤； 0013 (4)分子网络构建 0014 经处理后， 将经过前处理后的数据导入GNPS分子网络处理平台， 进行二级谱图的 聚类与计算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化， 得到目标化合 物转化产物的可视化网络图； 0015 (5)转化产物峰识别及结构式推测。

13、确认 0016 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产 物的m/z所在区域， 与该区域相连的m/z且连线较粗(二级谱图类似性较大)的即认为是该目 标化合物的转化产物质谱峰； 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结 构的产物质谱峰间相差的 m/z值推测该产物的结构式， 根据二级谱图确认推测的结构式是 否正确。 0017 进一步地， 在上述方案中， 所述环境介质包括水环境、 大气环境、 土壤环境。 这三种 环境介质基本涵盖了环境学科领域的所有环境介质。 0018 进一步地， 在上述方案中， 所述的微量有机污染物包括药品及个人护理品、 持久性 有机污。

14、染物、 多氯联苯、 多环芳烃、 有机农药、 全氟化合物等微量有机物。 0019 进一步地， 在上述方案中， 所述质谱一级和二级同时扫描的检测方式包括DDA扫描 及DIA(如 Swath)数据采集方式。 DDA和DIA采集时， 一级MS的选择范围根据目标化合物分子 量确定， 可以从50(50以下会造成噪音数据过多)扫描至该目标化合物分子量大500的MS。 二 级MS的采集范围从50至一级MS扫描范围上限大200的值(保证加和的二级质谱峰可以被采 集到)。 DDA采集过程中， 二级质谱采集丰度最高的前十个质谱峰的谱图碎片， 并开启动态排 除设置， 从而可以尽可能多的获取二级MS信息， 为全面的识别。

15、转化产物提供基础。 0020 进一步地， 在上述方案中， 所述GNPS分子网络处理平台在进行数据处理时， 为了确 保尽可能多的一级MS数据可以在分子网络图中呈现， 同时避免因相应参数值设置太低导致 王子网络图中噪音数据过多而给后续进一步的识别带来困难， 相应的参数值设置为以下较 为合适， 其中： 分子聚类时一级MS偏差选择50ppm， 二级MS/MS偏差选择20ppm， 余弦相似度选 择0.6， 最少匹配峰数目设置为4。 0021 进一步地， 在上述方案中， 所述Cytoscape 2.8.3软件进行分子网络可视化时， 将 m/z映射为节点名称， 将二级谱图的类似性映射为连线的粗细， 将m/z。

16、的相对丰度映射为节 点的大小。 这样操作后得到的可视化图中， 可以根据节点大小判断该m/z代表的化合物在样 品中的相对丰度大小， 可以根据连线的粗细判断相邻m/z代表的化合物间结构相似的程度。 这有利于进一步根据相邻m/z进行产物结构的推测。 0022 进一步地， 在上述方案中， 所述确定转化产物的结构式主要为： 根据标准品的图谱 与试验样品中转化产物的二级谱图进行匹配， 对于无法购买到标准品的转化产物， 利用二 级谱图软件预测的二级谱图与样品谱图匹配， 从而确定转化产物的结构式。 0023 进一步地， 在上述方案中， 所述二级谱图软件为CFM-ID， 也可以选择其他软件如： MetFrag、。

17、 MetFusion、 ISIS、 FingerID、 SIRIUS。 但选择CFM-ID软件相对来说预测准确度较 好， 操作复杂性较低。 0024 与现有技术相比， 本发明的有益效果是： 0025 (1)本发明采用的分子网络的非靶向识别可以特异性的识别目标化合物的转化产 说明书 2/8 页 5 CN 111707741 A 5 物质谱峰， 从而全面的识别微量有机污染物在环境介质中的转化产物。 0026 (2)本发明采用的分子网络的非靶向识别可以提供基于相邻节点的m/z具有类似 的结构从而有利于转化产物结构式的初步推测， 且CFM-ID二级谱图预测软件可以提供不具 备标准品的转化产物的二级谱图。

18、， 从而有利于该转化产物结构式的确认。 附图说明 0027 图1是本发明的识别法流程图； 0028 图2是双氯芬酸经好氧活性污泥处理后的样品DDA扫描质谱数据的分子网络图； 0029 图3是经该分子网络图识别出的转化产物及转化途径； 0030 图4是实施例1质谱检测的总离子流图； 0031 图5实施例2质谱扫描的总离子流图； 0032 图6实施例3质谱扫描的总离子流图； 0033 图7实施例4质谱扫描的总离子流图。 具体实施方式 0034 实施例1 0035 本实施例识别的是双氯芬酸(药品及个人护理品)在好氧活性污泥中(水环境)的 转化产物， 具体的上机及产物识别过程如下： 0036 (1)样。

19、品上机检测 0037 色谱条件如表1所示： 0038 表1： 实施例1的色谱条件 0039 说明书 3/8 页 6 CN 111707741 A 6 0040 0041 质谱条件： 一级质谱扫描范围50-1000Da， 二级质谱扫描范围50-1200Da， 气帘气为 35psi， Gas 1为55psi， Gas 2为35psi， 温度为550， DP为80， CE为3015。 得到的质谱检 测的总离子流图如图4所示。 0042 (2)数据格式转码 0043 对样品的质谱扫描原始数据(.will格式文件)， 导入MSConvert软件进行转码， 将 原始的质谱文件转成mzXML文件(.mzML。

20、格式文件)以供后续进一步处理。 0044 (3)数据前处理 0045 将上述样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处理， 这些前处 理主要包括色谱峰提取、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归类、 同位素过滤等。 0046 具体的参数值为： 质量检出(噪音水平： 0， 色谱峰建立： 0.05min， 最小高度： 5000， m/z忽略值： 0.006)。 解卷积算法(色谱门槛值： 1， 最小停留时间范围： 0.3min， 最小相对峰 高度： 1， 最小绝对峰高度： 5000， 峰高与峰宽最小比值： 2， 峰宽： 0.1-2min)。 去同位素(m/ z忽略值： 。

21、0.006， 停留时间忽略值： 0.5min)。 峰对其(RANSAC对齐方法， m/z忽略值： 0.006， 停留时间绝对忽略值： 1.5min， 停留时间绝对校正值： 0.5min， 门槛值： 1)。 0047 (4)分子网络构建 0048 经处理后， 将其数据导入GNPS分子网络处理平台， 进行类似二级谱图的聚类与计 算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化， 得到目标化合物转化产 物的可视化网络图。 具体参数值为质量聚类(母离子质量忽略值： 0.1Da， 二级碎片离子质量 忽略值： 0.5Da)。 网络构建(余弦值： 0.6， 至少6个峰匹配) 004。

22、9 (5)转化产物峰识别及结构式推测确认 0050 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产 物的m/z所在区域， 与该区域相连的m/z且连线较粗(二级谱图类似性较大)的即认为是该目 标化合物的转化产物质谱峰。 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结 构的产物质谱峰间相差的 m/z值推测该产物的结构式， 根据二级谱图确认推测的结构式是 否正确。 0051 实施例2 0052 本实施例的环境介质与实例1不同， 为双氯芬酸(药品及个人护理品)在室内空气 中(气体环境)的转化产物， 其他操作过程与实施例1相同， 具体的上机及产物识别过程如 下： 005。

23、3 (1)样品上机检测 0054 色谱条件表2所示： 说明书 4/8 页 7 CN 111707741 A 7 0055 表2： 实施例2的色谱条件 0056 时间(min) 0.1氨水-水溶液(A) 0.1氨水-甲醇溶液(B) 0 90 10 2 90 10 5 60 40 8 30 70 10 10 90 20 10 90 22 30 70 25 60 40 28 90 10 30 90 10 0057 质谱条件： 一级质谱扫描范围50-1000Da， 二级质谱扫描范围50-1200Da， 气帘气为 35psi， Gas 1为55psi， Gas 2为35psi， 温度为550， DP为8。

24、0， CE为3015。 得到的质谱检 测的总离子流图如图5所示。 0058 (2)数据格式转码 0059 对样品的质谱扫描原始数据， 导入MSConvert软件进行转码， 将原始的质谱文件转 成mzXML文件以供后续进一步处理。 0060 (3)数据前处理 0061 将上述样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处理， 这些前处 理主要包括色谱峰提取、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归类、 同位素过滤等。 0062 具体的参数值为质量检出(噪音水平： 0， 色谱峰建立： 0.05min， 最小高度： 5000， m/ z忽略值： 0.006)。 解卷积算法(色。

25、谱门槛值： 1， 最小停留时间范围： 0.3min， 最小相对峰高 度： 1， 最小绝对峰高度： 5000， 峰高与峰宽最小比值： 2， 峰宽： 0.1-2min)。 去同位素(m/z忽 略值： 0.006， 停留时间忽略值： 0.5min)。 峰对其(RANSAC对齐方法， m/z忽略值： 0.006， 停留 时间绝对忽略值： 1.5min， 停留时间绝对校正值： 0.5min， 门槛值： 1)。 0063 (4)分子网络构建 0064 经处理后， 将其数据导入GNPS分子网络处理平台， 进行类似二级谱图的聚类与计 算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化，。

26、 得到目标化合物转化产 物的可视化网络图。 具体参数值为质量聚类(母离子质量忽略值： 0.1Da， 二级碎片离子质量 忽略值： 0.5Da)。 网络构建(余弦值： 0.6， 至少6个峰匹配) 0065 (5)转化产物峰识别及结构式推测确认 0066 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产 物的m/z所在区域， 与该区域相连的m/z且连线较粗(二级谱图类似性较大)的即认为是该目 标化合物的转化产物质谱峰。 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结 构的产物质谱峰间相差的 m/z值推测该产物的结构式， 根据二级谱图确认推测的结构式是 否正确。 006。

27、7 实施例3 0068 本例识别的微量有机污染物对象与实施例1不同， 具体需要识别的是一种有机农 说明书 5/8 页 8 CN 111707741 A 8 药类化合物甲霜灵， 其他操作过程与实施例1相同， 具体识别过程如下： 0069 (1)样品上机检测 0070 色谱条件如表3所示： 0071 表3： 实施例3的色谱条件 0072 时间(min) 0.1氨水-水溶液(A) 0.1氨水-甲醇溶液(B) 0 90 10 2 90 10 5 60 40 8 30 70 10 10 90 20 10 90 22 30 70 25 60 40 28 90 10 30 90 10 0073 质谱条件： 。

28、一级质谱扫描范围50-1000Da， 二级质谱扫描范围50-1200Da， 气帘气为 35psi， Gas 1 为55psi， Gas 2为35psi， 温度为550， DP为80， CE为3015。 得到的质谱检 测的总离子流图如图6所示。 0074 (2)数据格式转码 0075 对样品的质谱扫描原始数据， 导入MSConvert软件进行转码， 将原始的质谱文件转 成mzXML文件以供后续进一步处理。 0076 (3)数据前处理 0077 将上述样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处理， 这些前处 理主要包括色谱峰提取、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归。

29、类、 同位素过滤等。 0078 具体的参数值为质量检出(噪音水平： 0， 色谱峰建立： 0.05min， 最小高度： 5000， m/ z忽略值： 0.006)。 解卷积算法(色谱门槛值： 1， 最小停留时间范围： 0.3min， 最小相对峰高 度： 1， 最小绝对峰高度： 5000， 峰高与峰宽最小比值： 2， 峰宽： 0.1-2min)。 去同位素(m/z忽 略值： 0.006， 停留时间忽略值： 0.5min)。 峰对其(RANSAC对齐方法， m/z忽略值： 0.006， 停留 时间绝对忽略值： 1.5min， 停留时间绝对校正值： 0.5min， 门槛值： 1)。 0079 (4)分。

30、子网络构建 0080 经处理后， 将其数据导入GNPS分子网络处理平台， 进行类似二级谱图的聚类与计 算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化， 得到目标化合物转化产 物的可视化网络图。 具体参数值为质量聚类(母离子质量忽略值： 0.1Da， 二级碎片离子质量 忽略值： 0.5Da)。 网络构建(余弦值： 0.6， 至少6个峰匹配) 0081 (5)转化产物峰识别及结构式推测确认 0082 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产 物的m/z所在区域， 与该区域相连的m/z且连线较粗(二级谱图类似性较大)的即认为是该目 标化合。

31、物的转化产物质谱峰。 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结 构的产物质谱峰间相差的 m/z值推测该产物的结构式， 根据二级谱图确认推测的结构式是 说明书 6/8 页 9 CN 111707741 A 9 否正确。 0083 实施例4 0084 本例识别的是双氯芬酸(非甾体抗炎药)在好氧活性污泥中的转化产物， 与实施例 1和2不同的是， 本例中采用的质谱数据采集方法为Swath的DIA采集方式， 其他操作过程与 实施例1相同， 具体识别过程如下： 0085 具体的上机及产物识别过程如下： 0086 (1)样品上机检测 0087 色谱条件如表4所示： 0088 表4： 实施例4的色。

32、谱条件 0089 时间(min) 0.1氨水-水溶液(A) 0.1氨水-甲醇溶液(B) 0 90 10 2 90 10 5 60 40 8 30 70 10 10 90 20 10 90 22 30 70 25 60 40 28 90 10 30 90 10 0090 质谱条件： 一级质谱扫描范围50-1000Da， 二级质谱扫描范围50-1200Da， 气帘气为 35psi， Gas 1为55psi， Gas 2为35psi， 温度为550， DP为80， CE为3015。 根据DDA采集 的数据， 将其输入Swath可变窗口的计算器， 算出最佳的可变窗口大小， 导入仪器作为最佳 窗口值。 。

33、得到的质谱检测的总离子流图如图7所示。 0091 (2)数据格式转码 0092 对样品的质谱扫描原始数据， 导入MSConvert软件进行转码， 将原始的质谱文件转 成mzXML文件以供后续进一步处理。 0093 (3)数据前处理 0094 将上述样品的质谱数据mzXML文件导入MZmine 2软件进行数据前处理， 这些前处 理主要包括色谱峰提取、 色谱峰解卷积、 同位素峰归类、 质谱特征峰归类、 同位素过滤等。 0095 具体的参数值为质量检出(噪音水平： 0， 色谱峰建立： 0.05min， 最小高度： 5000， m/ z忽略值： 0.006)。 解卷积算法(色谱门槛值： 1， 最小停留。

34、时间范围： 0.3min， 最小相对峰高 度： 1， 最小绝对峰高度： 5000， 峰高与峰宽最小比值： 2， 峰宽： 0.1-2min)。 去同位素(m/z忽 略值： 0.006， 停留时间忽略值： 0.5min)。 峰对其(RANSAC对齐方法， m/z忽略值： 0.006， 停留 时间绝对忽略值： 1.5min， 停留时间绝对校正值： 0.5min， 门槛值： 1)。 0096 (4)分子网络构建 0097 经处理后， 将其数据导入GNPS分子网络处理平台， 进行类似二级谱图的聚类与计 算， 得出的数据导入Cytoscape 2.8.3软件进行分子网络的可视化， 得到目标化合物转化产 物。

35、的可视化网络图。 具体参数值为质量聚类(母离子质量忽略值： 0.1Da， 二级碎片离子质量 说明书 7/8 页 10 CN 111707741 A 10 忽略值： 0.5Da)。 网络构建(余弦值： 0.6， 至少6个峰匹配) 0098 (5)转化产物峰识别及结构式推测确认 0099 根据分子网络中节点上所展示的母离子m/z的值， 找出目标化合物及已知转化产 物的m/z所在区域， 与该区域相连的m/z且连线较粗(二级谱图类似性较大)的即认为是该目 标化合物的转化产物质谱峰。 根据该产物质谱峰与相邻母体化合物的质谱峰或相邻已知结 构的产物质谱峰间相差的m/z 值推测该产物的结构式， 根据二级谱图确认推测的结构式是 否正确。 说明书 8/8 页 11 CN 111707741 A 11 图1 图2 说明书附图 1/4 页 12 CN 111707741 A 12 图3 图4 说明书附图 2/4 页 13 CN 111707741 A 13 图5 图6 说明书附图 3/4 页 14 CN 111707741 A 14 图7 说明书附图 4/4 页 15 CN 111707741 A 15 。