-
公开(公告)号：CN117153295A
公开(公告)日：2023-12-01
申请号：CN202311102756.2
申请日：2023-08-30
Applicant: 南京大学
IPC: G16C20/70 , G16C20/64 , G16C20/90 , G06F18/2431 , G06F18/22 , G06F18/213 , G06F18/10 , G01N27/62
Abstract: 本发明提供了一种非靶向识别全氟及多氟化合物同系物的方法以及识别系统，所述识别方法包括如下步骤：利用基于样品间相关性的解卷积算法对质谱(SWATH采集模式)的样本数据进行解卷积，利用同系物规则提取样品峰中的全氟及多氟化合物，对所述样品峰进行离子注释之后，通过MetFrag对PFASs全氟物质进行鉴定。本发明的识别方法提高了鉴定效果，可见本发明的SWATH‑F技术可以成为筛查环境和人群样本中PFASs的有用工具。
-
公开(公告)号：CN114414689A
公开(公告)日：2022-04-29
申请号：CN202210040878.2
申请日：2022-01-14
Applicant: 南京大学
Abstract: 本发明公开了一种基于超高效液相色谱高分辨率质谱的全氟化合物韭靶向定量方法，属于分析化学领域。其步骤为：样品前处理；上机检测：通过超高效液相色谱‑四极杆轨道离子阱质谱对样品进行测定；全氟化合物电离效率值测定；获得全氟化合物的结构表征方法：分子指纹；机器学习建模及评估：建立分子指纹预测电离效率的机器学习模型；模型应用：在实际样品中添加少量不同标准品，检测标准品峰面积、峰面积与浓度比值响应因子RF，拟合logRF与电离效率曲线，根据模型预测电离效率值与未知物峰面积非靶向定量其浓度。本方法通过实际样品的少量标准品进行模型校正，应用于实际环境样品，可以实现全氟化合物的非靶向定量。
-
公开(公告)号：CN107179366B
公开(公告)日：2019-11-05
申请号：CN201710440740.0
申请日：2017-06-13
Applicant: 南京大学
Abstract: 本发明公开了一种沉积物中氯代有机污染物高通量非靶向分析方法，该方法首先将沉积物样品进行前处理操作得到目标检测样品，该目标检测样品为液体；然后将目标检测样品上机检测，设置高效液相色谱‑飞行时间质谱条件，最后针对各物质的一级质谱图和二级质谱图信息，利用非靶向筛查分析方法确定物质的种类；本发明利用高效液相色谱‑飞行时间质谱仪，在一级质谱和二级质谱模式下分别进行全扫，分辨率高、准确度高；本发明[M]:[M+2n]筛查方法和特征离子碎片筛查方法，分别从一级质谱图和二级质谱图对氯代有机物进行定性筛查，互相弥补了各自筛查方法可能忽略掉的结果；本发明方法发现大量的未知化合物，大大提高氯代有机物筛查的通量。
-
公开(公告)号：CN117153295B
公开(公告)日：2024-03-12
申请号：CN202311102756.2
申请日：2023-08-30
Applicant: 南京大学
IPC: G16C20/70 , G16C20/64 , G16C20/90 , G06F18/2431 , G06F18/22 , G06F18/213 , G06F18/10 , G01N27/62
Abstract: 本发明提供了一种非靶向识别全氟及多氟化合物同系物的方法以及识别系统，所述识别方法包括如下步骤：利用基于样品间相关性的解卷积算法对质谱(SWATH采集模式)的样本数据进行解卷积，利用同系物规则提取样品峰中的全氟及多氟化合物，对所述样品峰进行离子注释之后，通过MetFrag对PFASs全氟物质进行鉴定。本发明的识别方法提高了鉴定效果，可见本发明的SWATH‑F技术可以成为筛查环境和人群样本中PFASs的有用工具。
-
公开(公告)号：CN108663455B
公开(公告)日：2019-11-12
申请号：CN201810614710.1
申请日：2018-06-14
Applicant: 南京大学
IPC: G01N30/02
Abstract: 本发明公开了一种基于统计策略的沉积物中有机污染物非靶向分析方法，属于环境分析化学技术领域。该方法包括以下步骤：a)对沉积物处理后的目标液进行分析检测；b)将沉积物分为两种不同组，利用统计学分析方法筛选出不同组沉积物间显著性差异的特征响应峰，再进行结构鉴定。首先提取一级响应峰，利用独立样本的非参数检验，筛选出不同组间显著性差异的响应峰；再计算响应峰的分子式，并通过数据库搜寻可能结构式。最后对可能结构式进行碎片模拟计算，当所有碎片均与二级质谱图匹配时，将其作为候选结构式。该方法可以在大量未知样本存在的条件下快速有效的分析出不同年代或区域沉积物样品间的浓度存在差异性的物质，利于推广。
-
Patent Agency Ranking
公开(公告)号：CN115270863A
公开(公告)日：2022-11-01
申请号：CN202210862411.6
申请日：2022-07-20
Applicant: 南京大学
Abstract: 本发明公开了一种基于共表达、共流出、二级质谱图相似的质谱峰注释方法，属于质谱数据注释技术领域。本发明基于同一物质不同质谱特征在不同样本中具有共表达、共流出、二级质谱图相似的特点，通过对常见加和物、多聚体、同位素、源内裂解碎片的质量差过滤，建立了一套针对高分辨率质谱数据的高效注释方法，可解决在实际代谢组学等领域中，未知物的结构注释这一步骤由于冗余质谱信息带来的耗时费力的困难。本发明的质谱数据注释方法准确且省时省力，对于实际样本中的未知物冗余信息的准确注释具有重要意义。
-
公开(公告)号：CN107247099B
公开(公告)日：2019-10-29
申请号：CN201710438506.4
申请日：2017-06-12
Applicant: 南京大学
Abstract: 本发明公开了一种鉴别固体废弃物中危险废物类物质的高通量分析方法，包括以下步骤：冷冻干燥研磨过筛：固体废弃物样品经过冷冻干燥仪冻干，然后用研钵研磨，再通过筛网过筛；加速溶剂萃取：利用加速溶剂萃取仪对固体废弃物样品中有机物进行提取；浓缩与定容：对提取液进行浓缩、定容，再经过滤膜过滤后进行保存；上机检测：通过高效液相色谱‑飞行时间质谱联用仪对保存品进行危险废物类物质鉴别；利用高效液相色谱‑飞行时间质谱联用仪能在单独一次分析测定中对物质一级、二级质谱谱图同时进行快速连续的扫描，通过采集信息与危废物质数据库进行比较，二级质谱谱图与标准二级质谱谱图对比，实现危废物质的鉴别，分辨率高，结果准确度高。
-
公开(公告)号：CN107884507A
公开(公告)日：2018-04-06
申请号：CN201711457584.5
申请日：2017-12-28
Applicant: 南京大学
IPC: G01N30/88
CPC classification number: G01N30/88 , G01N2030/8809
Abstract: 本发明公开了一种同时快速筛查废水中农药、药物及其转化产物的方法，属于分析化学领域。所述方法步骤为：a)、分析检测：对样品进行分析检测；b)、农药、药物鉴定：采用农药药物数据库软件进行筛查，鉴定存在的农药、药物；c)、转化产物鉴定-非靶向筛查步骤：通过软件对步骤b)中已经鉴定的农药、药物进行转化产物预测，针对于农药药物的母体化合物进行二级谱图解析、化合物筛选，预测出诊断离子，对所有含有诊断离子的化合物提取相应的色谱峰进行转化产物的分析鉴定。利用本发明的方法能够实现废水中农药，药物及其转化产物的同时筛查，筛查速度快、范围广、准确度高。
-
公开(公告)号：CN107247099A
公开(公告)日：2017-10-13
申请号：CN201710438506.4
申请日：2017-06-12
Applicant: 南京大学
Abstract: 本发明公开了一种鉴别固体废弃物中危险废物类物质的高通量分析方法，包括以下步骤：冷冻干燥研磨过筛：固体废弃物样品经过冷冻干燥仪冻干，然后用研钵研磨，再通过筛网过筛；加速溶剂萃取：利用加速溶剂萃取仪对固体废弃物样品中有机物进行提取；浓缩与定容：对提取液进行浓缩、定容，再经过滤膜过滤后进行保存；上机检测：通过高效液相色谱‑飞行时间质谱联用仪对保存品进行危险废物类物质鉴别；利用高效液相色谱‑飞行时间质谱联用仪能在单独一次分析测定中对物质一级、二级质谱谱图同时进行快速连续的扫描，通过采集信息与危废物质数据库进行比较，二级质谱谱图与标准二级质谱谱图对比，实现危废物质的鉴别，分辨率高，结果准确度高。
-
公开(公告)号：CN107179366A
公开(公告)日：2017-09-19
申请号：CN201710440740.0
申请日：2017-06-13
Applicant: 南京大学
Abstract: 本发明公开了一种沉积物中氯代有机污染物高通量非靶向分析方法，该方法首先将沉积物样品进行前处理操作得到目标检测样品，该目标检测样品为液体；然后将目标检测样品上机检测，设置高效液相色谱‑飞行时间质谱条件，最后针对各物质的一级质谱图和二级质谱图信息，利用非靶向筛查分析方法确定物质的种类；本发明利用高效液相色谱‑飞行时间质谱仪，在一级质谱和二级质谱模式下分别进行全扫，分辨率高、准确度高；本发明[M]:[M+2n]筛查方法和特征离子碎片筛查方法，分别从一级质谱图和二级质谱图对氯代有机物进行定性筛查，互相弥补了各自筛查方法可能忽略掉的结果；本发明方法发现大量的未知化合物，大大提高氯代有机物筛查的通量。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
