源設計，來自于島津制作所的成功的單四極質譜儀源設計，脫溶劑毛細管，減少碰撞離子聚焦的Q-Array。八極桿離子透鏡可以通過CII（壓縮離子導入）方法有效地從LC引進洗脫離子。離子阱QIT通過們新的清潔技術，獲得高效的MSn 能力。此外，BIE（彈道離子提取）技術，為所有MS ，MSn ...模式提供高分辨率。飛行管的溫度控制確保了穩定的離子飛行路徑長度和離子加速電壓，從而確保質量數穩定。雙級反射，以優化的能量吸收和時間收斂給出了出色的分辨率

LCMS-IT-TOF旨在通過使用高速/高精確度MSn（n≥10）數據在研發領域，如雜質分析、代謝輪廓和生物標記物研究，大力協助鑒定目標化合物的新技術。

上述數據表明四個化合物在2.0分鐘內的分析。MSn 的自動功能，使得它有可能獲得通過外部標準的高精確度的MSn 數據，利用高速質譜測量性能。

高速正負極性切換，在不能判斷樣品是否將作為正離子或負離子檢測時，它特別有用。 LCMS-IT-TOF采用了新開發的、高度精確和穩定的電源供應器，以及新開發的高壓開關，允許只有1秒或更少的極性切換（需要尖銳的色譜峰與改進的高速色譜法）。極性切換的速率為2.5赫茲，它允許獲得每秒2.5倍的正離子和負離子的質譜對。

示例數據

LCMS-IT-TOF的離子光學系統，帶來一種新型的離子導入的方法，被稱為壓縮離子導入或CII，Skimmer、八極桿和個鏡頭的組合，把連續的離子流轉換為脈沖，以便引進到離子阱中。這種方法使得它可以在引入離子阱之前控制離子的積累，使得RF在所有CII積累的離子進入離子阱的瞬間應用于射頻環電極。LCMS-IT-TOF采用這種不同于傳統離子阱的控制。CII的發展有效地將LC系統連接至MS，并且極大地改善了離子阱捕獲率，克服了以前的缺陷，從而提高了靈敏度。

圖1和圖2顯示A肟（ERY-AO）的UV和MS色譜，這是一個由應變產生的細菌，稱為Saccaropolyspora的大環內酯類抗生素。一些雜質被標示出來。圖3顯示了A肟（ERY-AO）的質譜圖。AO的分子顯示為m/z =747.4661。獲得數據字和理論值之間的質量差（747.4643）約為0.002。

如圖4所示的MS/MS譜圖的m/z=747。大峰的m/z=571，被視為A區AO結構的損失，因為質量差與M/Z=747是176。在m/z=396.2416被視為C區。這是高度可靠的數字，因為與理論的數字相比，其質量差僅為0.003。

圖6顯示了雜質A的質譜圖：MS/MS譜圖表明ERY-AO具有類似的結構。

與C區（396.2386）理論圖相比，m/Z=396.2406的質量差為0.002。M/Z=571也進行了檢測，它是類似于ERY-AO的MS/MS譜圖。然而，雜質的分子量是733，雜質A和從該損失之間的雜質的質量差是162。而從地區ERY-AO質量差是14.0144。使用精確質量計算器，這個數字被認為是CH2（14.0156），并假設雜質有一個結構，從一個區的甲基A組，以一個氫取代。

智能自動MSn功能

樣品一旦進入LC / MS便不能重復采集分析；因此，至關重要的是，儀器可以自動選擇合適的母離子。利用LCMS-IT-TOF，各種離子選擇標準都可使用，如根據離子的強度或m/z ，以及智能自動母離子選擇，如單同位素峰選擇和帶電狀態的過濾。

按強度順序選擇母離子

中性丟失分析原則

如果的中性丟失在MS2的譜圖中觀察到，則MS3分析自動進行。中性丟失分析中，只有目標離子在MS3中進行測量，從而有效的獲得所需信息，而不浪費時間。

由于有關目標離子的詳細信息，可以通過使用中性丟失分析功能得到，它可以成為一個支持化合物鑒定的*工具（例如，藥物研發中的二相代謝產物）。

中立丟失分析功能示例中性丟失分析和MS3的測量相結合，提供了準確的質量信息，可進行高度可靠的磷脂結構分析

設置PS（極性基團 X：） - 特定NL （87Da） ，并進行中性丟失分析

分子式預測軟件（備選產品）

精確MSn 的有效性

在組成預測中，目標成分有一個小的質量和質量精度，其測量值，提供數量較少的候選化合物和提高預測的可靠性。當使用公式預測的信息豐富的MSn 數據軟件時，公式預測從子離子中最小的質量的離子開始，并使用在母離子的候選數量減少的有效預測結果。

公式預測軟件窗口

舉個例子來說，預測離子的m/z371.1645元素組成的情況下。正確的成分是C17H26N2O5S+的H+（m/z為371.1641）。
組合預測過程如下：

這樣，使用同位素的模式，使正確的公式，以實現較高的排名。此外，使用MSn的數據，可減少候選化合物數量。

LCMS- IT -TOF采用廣泛應用的電離ESI方法，然而APPI （大氣壓光電離）和APCI （APCI電離）方法為更多的低極性物質的離子化提供了選擇。 APPI （大氣壓光電離源），是其中的電離樣品離子化，使用紫外線燈。 APCI（APCI電離）是在分析樣品受到電暈針放電的電離。 APPI達到良好的低到中等極性化合物的電離，而APCI是適合于中等極性的物質。使用這些電離方法，可以預期進一步擴大LCMS- IT - TOF的應用。電離方法的選擇是基于樣品性質。

APPI-IT-TOF（LCMS-IT-TOF大氣壓光電離包：APPI+APCI）

· 支持APPI， APCI， APPI / APCI組合模式。
· APPI采用紫外線，而APCI通過與反應離子（來自溶劑）進行離子-分子反應獲得離子化。
· 對于低到中等極性化合物（多環芳烴，某些真菌毒素等的分析）。
· LCMS-IT-TOF的儀器控制和數據處理軟件LCMSsolution。

LCMS-IT-TOF大氣壓力化學電離源套件

· 支持APCI電離。
· APCI通過反應離子（來源于溶劑）進行離子 - 分子反應來進行電離。
· 對于中等極性物質的分析（類固醇，脂質體，糖類，農藥等）。
· LCMS-IT-TOF儀器控制和數據處理軟件LCMSsolution。

APPI和 APCI電離方法的原理及組件

大氣壓光電離（ APPI ）

這是一個新的電離方法，使用紫外線對樣品進行電離。擅長于低極性化合物的高靈敏度電離方法。APCI加熱器和噴霧器用于蒸發樣品。（ APPI和APCI組合電離也可以使用同步的紫外線輻射和電暈放電）。

直接APPI如果分析目標電離能量比光子的能量低，離子M +光子離子接收來自溶劑中的氫質子，成為 [M + H] + 。

加入的化合物稱為摻雜，電離能低于分析目標，有時可以增加靈敏度。

APCI電離（APCI）

這是一種電離方法，通過反應離子產生離子 - 分子反應而電離樣品。樣品溶液進入加熱器（約400℃ ）后被霧化氮氣霧化，形成噴霧，兩個樣品和溶劑分子被蒸發成氣態。溶劑分子通過電暈放電電離，形成穩定的反應離子。這些反應離子與樣品分子（離子 - 分子反應）之間發生質子轉移，樣品分子添加或失去質子成為離子。這種離子 - 分子反應以各種各種形式出現，如質子轉移反應，親電加成反應等，同ESI一樣 ，檢測質子化的分子（或去質子化分子），因此它被用于分析高脂溶性化合物和在溶液中不電離的化合物。

分析實例

MTDATA [ 4,4 '，4 “ - 三（ 3 -甲基phenylphenylamino的）三苯胺]是一種作為有機EL元素的典型材料。用APPI模式，觀測到的基峰為分子離子M + ，而在APCI電離模式，它是質子化分子[M + H ] + 。基于每一精確質量是有可能鑒定其為MTDATA的。使用APCI，可觀察到MTDATA的裂解碎片離子 m / z值為530.2628，607.3000和698.3422 ，用APPI僅觀察到分子離子，而且沒有發生任何斷裂。

MetID解決方案對代謝前、后樣品數據進行比較，然后對預期和非預期的代謝產物進行搜索。（見性能分析解決方案代謝軟件，深度搜索功能統計，針對在大量數據中的變化。）代謝樣品中所產生的峰值（不出現在代謝前的樣品中）是的可能的代謝物，并結合組合預測工具中的同位素模式比較有力地支持高度精確的代謝物鑒定。對未知的代謝物候選化合物（不是預期中的代謝途徑物質），多變量統計分析結合MSn 譜圖，有效地篩選候選化合物和確定的代謝產物。這種技術不僅可以應用到代謝產物分析中，而且可以用于類似的化合物中污染物的識別和天然物質化學的檢測和鑒定。

· 操作簡便
· 比較前和后的代謝樣品
· 通過多變量分析進行候選代謝檢測
· 同步組成預測工具
· 支持Lhasa Meteor

樣品代謝前和代謝后比較

MetID解決方案可以用來比較代謝前、后的樣品，以檢查所形成的代謝產物的類型。以下是通過氧化反應代謝分子式為C18H11N2時獲得的數據的解釋。有圖顯示出化合物因氧化而改變。

在比較m/z為289.0739代謝前和代謝后的樣品的質譜圖后，揭示了只在代謝后的樣品中觀察到的峰。因此，該物質被判定為代謝產物。通過比較峰值，代謝產物質量數附近的任何物質，都可作為代謝產物進行檢測。然而，高分辨率，高精確度的島津LCMS-IT-TOF，因為是使用精確的質量寬度（XIC：提取離子色譜圖）繪制的圖譜之間進行的比較，所以具有很高的可靠性評估。

m/z289.739質譜圖

代謝途徑往往遵循典型模式，如氧化反應等，則使用MetID解決方案，可以判斷衍生出的代謝物的存在。然而，由于不太典型的代謝途徑也存在，因此在整個測量質量范圍比較質量色譜圖，同時對各自的樣品之間的差異也會進行評估。由于組分預測被應用到這些差異，可以判斷他們是否可以從母體化合物進行代謝。這些結果顯示在如下所示的窗口中。

多變量分析檢測候選代謝物

母離子分析

由于（n（2））母體化合物和代謝產物的MSn譜圖之間經常有一些相關性，因此采用統計分析（PLS方法之間的相關性類型：偏最小二乘法）的方法，對MSn譜圖之間的相關性和每個母離子進行分析。

基本上，如果母體化合物進行代謝，那么很有可能代謝物的一部分將繼續保持與母體化合物一致的結構。因此，利用其能夠在代謝物MSn譜圖中找到母體化合物和產物離子及中性丟失之間共同點的功能，高度相關性的母離子會作為候選代謝物自動提取出來。

分析結果顯示在下面所示的窗口。在左上角繪制每個母離子和母體化合物的離子之間的相關性。高相關性的前體離子沿X軸分布在該區域，大于0。另外，這些前體離子列表顯示在窗口底部。

母離子分析窗口

MetID解決方案可以自動生成獲取MS/MS譜圖的方法。保留時間，質譜，MS和MS/MS譜精確質量信息可通過單一的分析獲取，除了使用比以前更少的分析來確定預期的代謝產物外，它能夠可靠和有效的檢測和預測未知的代謝產物。

預測候選代謝物的元素組成

即使是未知的代謝物，也可以通過組分預測工具從候選代謝物的分子式和母藥之間的差異中得到代謝的線索。利用精確質量數可以自動預測未知代謝物的組成。高精確度的預測，通過比較質譜圖的同位素模式是有可能實現的。

通過代謝組學的方法分析從龐大樣品量或化合物中獲取的復雜數據文件的差異性，從而闡明代謝途徑和控制機制，為包括藥品，食品和環境在內的學術研究和應用領域提供了功能*的工具。自動檢測并列出大量數據的峰值，是代謝和差異分析中最重要的一步。

輪廓解決方案軟件自動按保留時間將由LCMS-IT-TOF質譜儀獲得的高準確性數據排列，并生成可以用于商業多變量分析軟件的列表（矩陣）。這大大減少峰值獲取和列表創建的工作量，由于大量的數據點和樣品組分，這個過程可能需要一段相當長的時間。

注1）配置解決方案軟件不提供多變量的分析功能。
注2）推薦使用MetID解決方案比較代謝前與代謝后的樣品，以幫助搜索可預測的和未知的代謝產物。

特點

1、從大量的數據文件自動提取和顯示峰值。對齊色譜峰提供更準確的峰值評估。
2、同時顯示多個色譜。
3、支持集中的QA/QC樣品。過濾表中顯示的峰值信息。

代謝組學分析實例：綠茶葉的質量評估。

從大量的數據文件自動提取和顯示峰簡單地拖放多個數據文件，然后按一下[執行]按鈕執行峰值獲取，并列出每個峰的m/z值、保留時間和信號強度。此表可作為多變量分析數據，通過商業統計計算軟件，如由Umetrics開發的SIMCA-P來進行分析。

色譜自動校正（調整）保留時間的細微變化，允許更精確的峰值評價，即使每次運行中存在波動。

同時顯示多個色譜圖

可以顯示所有數據的色譜和質譜圖。提供運行（分組，積分，邏輯運算）和信號強度的過濾功能可對數據進行比較和查看。

支持合并的QA/QC樣品

支持合并的QA/QC 樣品，其中包括混合小批量的目標樣品所作的分析控制，有助于有效地發現峰值的差異。歸一化處理峰面積值（數值顯示或相對強度顯示），操作和過濾增強和可視化面積的差值，可追蹤相對量的變化。

蛋白質分析軟件 (選件)

LCMS-IT-TOF自動化功能的優勢，可以得到最充分的開發利用。使用蛋白的方法創建一個峰值列表，并設置數據庫的搜索參數，允許所有操作從分析到蛋白質鑒定的自動化。鑒定結果可以直接通過蛋白質分析軟件瀏覽，數據管理既簡便又確定。方法重建也可以進行參數修改。

NanoESI 接口 (選件)

nano Electrospray NES-100

獲取更高靈敏度的高精度LCMS-IT-TOF數據！納升噴霧提供高電離效率并減少損失。使用NanoESI（納米電噴霧）接口允許超低樣品量進行較高靈敏度的分析。拆裝也很容易，與標準的ESI接口相比，并不需要更多的工作。

分析示例: 酶切的BSA (50 fmol)

當用高效液相色譜法分離一種蛋白質酶切產物時，可以觀察幾十到數百個峰值。因此，多個肽在幾秒鐘之內洗脫并不罕見。在這種情況下，高速且智能自動的MSn分析提供了更高的覆蓋率。此外，MS高精度質譜圖有助于進一步改善蛋白質分析的可靠性。蛋白質分析軟件窗口如下圖所示。可以同時觀看到每個數據文件的MS數據以及Mascot的搜索結果。

Mascot的搜索結果顯示出BSA獲得1180的得分。此外，所有搜索結果在4ppm的質量誤差范圍內的肽都被對應（外標法）。這即是當使用高精度LCMS-IT–TOF可能獲得一個高質量的分析實例。

島津大力支持代謝組學的研究。提供分析各種生物樣品的高分離性能的分離工具，在線精確質量測定工具，以及有效地從大量采集數據中提取所需信息的工具。這些儀器設備，都旨在充分利用技術優勢，實現高精度和高速處理。

[1] 什么是代謝組學?

代謝組學是系統生物學的重要組成部分，其中包括低分子量的化合物，如有機酸和氨基酸代謝產物（代謝組學研究）分析。因此，基因組學重點研究DNA，轉錄組學研究的重點是mRNA以及蛋白質組學研究的重點是蛋白質，而代謝組學重點研究整體代謝產物。

DNA和蛋白質受食品、藥品、運動和各種壓力等環境因素的影響。其相互作用的結果反映在留下的代謝產物中，因此可以說，代謝組學承擔著測量體內基因和蛋白質的活動，以及環境影響的總和。由于代謝組學可用于獲得有關生物功能的有價值的信息，其應用已經延伸到廣泛的研究領域，從生物標記物的發現項目（藥物代謝動力學，藥物的安全性，藥物毒性等）來診斷疾病、生活習慣和健康。

[2] 代謝組學分析流程

可大致分為以下幾步:
第1步項目構想第2步實驗設計
步驟3差異代謝產物的發現
步驟4差異代謝產物的鑒定
步驟5假說，驗證，結論

[第1步 項目構想 ]

要啟動一個項目，必須有一些要解決的問題，如藥物、食物或環境相關的問題，（例如，“這種藥物為什么是毒性的，或為什么這種食物具有降壓功效" ），或與疾病相關的問題，或基因組學/蛋白質組學相關的問題（例如，“該基因或蛋白質的功能是什么" ） 。這個問題就成為該項目的構想。

[第2步 實驗設計]

代謝可以有各種方法，所以重要的是分析項目時，要進行實驗設計，以便得到有意義的結果。例如，應該培養細胞，用于臨床前樣品，或應該使用動物疾病模型，而對于臨床樣品，應該使用一個健康人的樣品（I期）或疾病樣品（II期和之后），并且樣品本身應包括組織和細胞或生物體液，如血漿，血清或尿液。此外，決定那些考慮系統的生物變異樣品的數量是有必要的。

[第3步 差異代謝產物的發現]

發現差異代謝物的方法大致可分為兩類。
（1）非目標代謝組學
這是指在所有化合物中搜索差異代謝物，并強調深入的搜索技術，這是一個*的方法。它涉及到相對定量分析。
（2）目標代謝組學
在這種方法中，已知代謝產物進行選擇性分析。對相對定量分析加以考慮，多個樣品濃度輪廓分析是可行的。

代謝組學涉及到不同的技術相關的方法，包括利用色譜 - 質譜和核磁共振等。當使用色譜 - 質譜方法時，測量數據的不斷進步首先表現在保留時間和質量分析上。如果保留時間校準和調整是必要的，則要使用相同的樣品進行反復測量樣品。比如說尋找用藥物產生的差異代謝產物，將必然涉及大量數據的產生。這是由于用藥后，在一定的時間間隔采樣而產生了多個數據，以及生物變異和母體變異的可能性。因為從如此多的分析的樣品中生成巨大數量的數據，所以分析軟件變得幾乎。因此，代謝產物的發現通常使用專門的應用軟件，以加工處理獲得的數據，如校正保留時間和質量，調整和歸一化操作，以及進行統計分析和數據挖掘等操作。

[第4步 差異代謝產物的鑒定]

反復核對注冊在數據庫中的化合物，以確定在第3步中發現的代謝產物，通過化合物信息分析確定其結構。國內和國際各種數據庫都在發展，其中包含MS / MS和其他參考譜圖，以及代謝途徑相關的化合物。因為在通過參照數據庫和差異代謝產物信息的基礎上進行的結構鑒定之前還需要一些時間，將根據從MS和NMR等分析儀器獲得差異代謝物的信息來進行結構鑒定。

[ 5步假設，驗證，結論]

更差異代謝產物被發現和鑒定后，重新審視項目的構想，建構并驗證一個假設，并得出一個結論。建構一個有意義的假說和獲取結論需要重復性的數據，從復雜樣品中分離出每個代謝產物（通常情況下，質量分辨率和色譜分離度的組合）的手段，用于ID驗證的豐富數據（質量準確度和MSn信息），可以從大量數據中提取完成研究目標信息的軟件。

[3]島津代謝組學解決方案

色譜和質譜的結合，被廣泛用于代謝組學，因為這種技術可達到化合物的高度分辨。

發現差異代謝物，最重要的信息是保留時間。優異的保留時間重現性是至關重要的，島津的Prominence HPLC系列獲得高度評價，其優異的性能適合代謝組學的研究。島津的LCMS-IT-TOF，以高速測量獲得MSn 精確質量的功能，結合Prominence高效液相色譜，可以提供準確的信息，以滿足這些目標所需。

為了從這些儀器獲得的大量數據中有效地提取所需信息來完成研究項目，此系統需與輪廓解決方案代謝組學軟件組合。該軟件由在代謝組學和生物信息學具有廣泛認可和專業知識經驗的PhenomenomeDiscoveries有限公司（加拿大）開發，以島津整體代謝組學解決方案的形式提供給客戶。

當利用LCMS-IT-TOF的0.1秒高速質譜采集并且與HPLC在線聯機進行分析時，僅需一次分析，就能夠獲取MS譜，MS/MS和MS/MS/MS的譜圖。LCMS-IT-TOF組成預測程序（正在申請）有效的縮減了備選代謝物，不止使用同位素方法和還參考了MSN譜精確確的質譜信息。這就是該系統對于解決代謝最艱巨的任務，識別發現的代謝物并有力支持應用代謝學的項目的成功（如尋找生物標志物）的巨大作用。

化合物優化處于藥物研發的深度研究階段，在化合物優化的過程中，需要高通量代謝物的分析。為此，我們提供了一個包括代謝物結構分析軟件MetID Solution的系統可以有效的發現并識別預期的或未知的代謝產物。

通過比較代謝前、后的XIC （精確質量）色譜，并對母藥和代謝物的MSn 譜使用多變量分析這個系統可以讓哪些即使不熟悉代謝研究分析人員都能自動提取候選代謝物，從而有效提高實驗室整體效能。

另一方面，關于發現代謝物的鑒定，值得注意的是目前正在重新關注于GCMS，因為這是一種可以輕松地分析小分子化合物（如氨基酸，有機酸和脂肪酸）的具有高靈敏度和高分辨率的方法。

島津提供GCMS系統，包括為分析和鑒定某些特定的氨基酸，有機酸和脂肪酸的GCMS-QP2010Plus，具有自動保留時間校正的GCMSsolution軟件（版本2.5和更高版本），以及GCMS代謝物數據庫。使用具有保留指數的代謝物數據庫，候選化合物范圍可以大大縮小，從而獲得高度可靠的鑒定。

配備了離子阱的LCMS-IT-TOF與高效液相色譜在線配置能獲得精確的n級質譜檢測。

通過輪廓解決方案代謝組學軟件對目標候選化合物的高效搜索，大大提高了研究的效率。

代謝物結構分析軟件MetID的解決方案對代謝前、后數據進行比較，搜索預期和未知的代謝產物。

下面介紹的示例是關于綠茶葉輪廓分析的方法，分析決定綠茶質量的成分。

1. 前處理與分析

分析樣品來自綠茶博覽會中排名靠前的九種高級綠茶葉，使用 Prominence UFLC/LCMS-IT-TOF 進行分析。

2. 峰提取與列表創建——通過Profiling Solution軟件提取峰

分別從MS1的分析中提取峰和使用峰信號強度值創建峰列表。峰保留時間排序，同位素峰消除， p值過被應用到3798個檢測到的峰值中，從中提取出479個顯著峰值。然后把數據輸出到商業的多變量分析軟件中（ SIMCA-P， Umetrics開發 ） 。

3. 多變量分析

PCR技術得分和PCR量值圖生成。茶博會上排名靠前的綠茶葉和排名靠后的茶葉被劃分到左邊和右邊的PCR分值圖上，這樣，主成分軸指示出級別的差異性。

主要成分軸（ PC1）的PCR量值圖（顯示每個成分對茶葉品質的貢獻率），顯示了大量高級茶葉所含的成分呈現正值。

4.未知化合物的分子式預測

選擇一個典型對茶葉品質有貢獻的候選未知化合物峰X，并預測其分子式。從MS3的分析中獲得的準確質量的信息用于預測分子式。分子式預測軟件（Formula Predictor）顯示峰X為C14H16O10。

5.候選未知化合物的預測

在互聯網上發布的數據庫中搜索一個分子式為C14H16O10顯示，該化合物可能是名為茶沒食子素（theogallin）的多酚。歸于基于茶沒食子素結構的質譜圖表明峰值X是茶沒食子素。