Compound Discoverer Software

從樣品到結構;從途徑至深入質譜分析

將您的小分子數據,不論為小型或大型的數據組,從全圖譜掃描和 MSn 數據轉換為已知化合物和分子途徑。Thermo Scientific Compound Discoverer 質譜分析軟體提供完整一套進階軟體工具,可用於已知母化合物和未知化合物的鑑定。Compound Discoverer 質譜分析軟體精簡了化合物鑑定,可確定樣品之間的真實差異,並透過整合式功能強大軟體工作流程來闡明生物途徑,從您寶貴的數據中快速獲取深入的解析。

無論您的小分子研究應用為何,從代謝體學到生物標記物發現、環境和食品安全、藥物代謝物或雜質鑑定、可萃取物和可浸出物到法醫或臨床毒理學,Compound Discoverer 皆可為小分子結構鑑定軟體提供獨特的方法。

聯絡我們   下載免費的示範影片  下載手冊


快速連結

Compound Discoverer 質譜分析軟體的關鍵效益
減少滑鼠點擊的次數了解您的未知物發現您樣品組之中的真正差異瞭解生物途徑
掌控您的數據分析並以自訂工作流程、靈活視覺化和分組工具來進行處理。以可客製化的報告來共享結果,或將結果直接傳輸到 Thermo Scientific TraceFinder 軟體進行目標物分析。利用質譜資料庫同時搜尋線上 mzCloud 光譜資料庫、Thermo Scientific 內部之 mzVault 光譜資料庫及眾多第三方資源,讓您可以快速且自信地鑑別未知物。快速找到樣品組之間真正的統計差異。使用互動連結顯示,查看研究中各成分的趨勢,或鑑定多個樣本組之間的目標關鍵成分。進行代謝通量實驗、使用 Thermo Scientific Metabolika、KEGG 和 BioCyc 數據庫查看途徑,並將偵測到的化合物和通量訊息直接比對到途徑上。


使用 Compound Discoverer 質譜分析軟體建立工作流程

Compound Discoverer 質譜分析軟體為您的數據處理,提供了詳盡、靈活且可自訂的工具組。它包含預先定義的工作流程範本,因此您可以立即啟動並開始運作,或者快速改寫範本調整為專為您實驗所設計的處理工作流程。

Compound Discoverer 質譜分析軟體之優勢來自於以 Thermo Scientific Orbitrap 為基礎的質譜儀強大功能,該質譜儀可提供一致、準確、高解析度的數據。該數據讓軟體能在樣品中校準成分、確定元素組成、進行資料庫比對與鑑定未知物。


解讀結果與提供深入解析

無論是簡單的還是詳盡的研究,都可產出包含豐富資訊的複雜數據。為了從這些數據中獲得最具價值的深入解析,Compound Discoverer 質譜分析軟體提供了謹慎的數據處理,並接續以深入解析的數據審閱和連結功能。

無論您是進行單一樣品分析還是詳盡的大樣品研究,Compound Discoverer 質譜分析軟體都可以為您提供小分子未知數據處理所需的一切,包括:

  • 未知波峰偵測
  • 進階統計工具
  • 互動式數據視覺化功能
  • 化合物註釋工具
  • 整合式資料庫與質譜資料庫
  • 生化途徑比對
  • 非標的穩定同位素標記分析
  • 大型研究的標準化工具

無論研究樣本大小為何,每個樣品都包含大量的原始數據點。這些數據點部分相互關聯,而許多則無。要理解此複雜但高品質的 MS 和 MS/MS 資訊,就需要進行數據縮減以獲得有意義的深入洞察。

工作流程可設定為使用拖放功能、使用多重特定應用範本的其中之一或編輯其中一個範本來讓數據處理變得快速而輕鬆。每個處理步驟皆是由給定工作流程樹中的「節點」所決定,它可根據您的研究需求連結來驅動數據處理和解讀;可使用軟體開發人員套件或自訂指令碼,如 R 或 Python 中的指令碼,建立新的節點,然後與指令碼節點一起使用,從而根據您的需求制定工作流程。

Image of a pre-defined workflow template for untargeted metabolomics
 Click image to enlargeAn example of a pre-defined workflow template for untargeted metabolomics. This template is designed to find and identify differences between samples. Each node is linked and performs a specific task. Here, retention time alignment is performed before unknown compounds are detected and grouped across all samples within the study. Elemental compositions are predicted using the accurate mass data, with compounds identified using the mzCloud mass spectral library and MS/MS information. Where there is no match from mzCloud, ChemSpider  is used. For results with a ChemSpider match, mzLogic is used to rank results by likelihood of a match. Resulting compounds are then mapped to biological pathways using Metabolika. If QC samples are present, then normalization is performed, and subsequent differential analysis calculated (t-test or ANOVA).

Compound Discoverer 質譜分析軟體界面會透過顯示與提問問題最相關的資訊來精簡化結果檢閱;每個繪圖和表格都已連結,因此您的檢視會立即更新以反應出您正在檢閱的化合物或樣品。

An image of volcano plots from differential analysis
 Click image to enlargeFrom volcano plots from differential analysis (left), S-Plots from partial least squares discriminant analysis (middle), and hierarchical clustering analysis (right), it is easy to visualize complex data sets and determine what is statistically different using Compound Discoverer software. Each plot is active, so data points selected in the plot can be marked in the results tables and vice versa, helping determine the cause of observed differences or similarities and tracking compounds in complex data sets.

Compound Discoverer 質譜分析軟體的應用

Compound Discoverer 質譜分析軟體可用於各種應用,從代謝體學到環境和食品安全、藥物開發到法醫毒理學。

代謝體學研究可相當複雜,因此確保擷取高品質、全面性的數據相當具挑戰性,透過數據分析獲取深入解析也因而不易。確保完整的樣本覆蓋通常需要大量的手動工作,才能為數據依賴擷取 (Data Dependent Acquisition, DDA) 實驗建立納入和排除列表。

AcquireX 為一自動化工作流程,能透過改善的 MS/MS 採樣,直接分析所有樣品成分,並具有自動背景離子排除和針對真實樣品成分的數據擷取功能。

將 AcquireX 與其他的 Compound Discoverer 質譜分析軟體啟用工具結合,可大幅降低沒有 MS/MS 光譜的化合物數量,並以自信的鑑定和排序推定鑑定,顯著提高化合物數量。

穩定同位素標記可協助非標的代謝體學研究之進行,且 Compound Discoverer 質譜分析軟體提供了一系列數據檢閱和視覺化工具來支援此工作流程。Compound Discoverer 質譜分析軟體會根據參考文獻檔案中所找到的未標記化合物公式,自動偵測標記的化合物 (僅同位素組成不同的分子)。一旦開始處理,即可繪製交換率 (或合併率) 繪圖,以查看跨多重檔案的反應,或重疊在 Metabolika 上的途徑。

Compound Discoverer 質譜分析軟體包含結構上的智能化脫烷基化/二芳基化與一般代謝預測功能,讓您能對目標代謝物進行尋找、鑑定和報告。雜質和降解產物的鑑定依循了相似的工作流程,並仰賴一系列軟體工具和可客製化的方法,以確保能自信偵測複雜樣品中的相關成分。

用於片段化光譜的結構註釋,片段離子搜尋 (Fragment Ion Search, FISh) 除了可對未知物進行結構闡明,還可定位出潛在轉化的位置。

Compound Class Scoring 節點提供了另一項工具,以確保不遺漏任何內容。它使用一組代表性片段,是由某一化合物類別中的一個或多個已知分子所建立出來的,可鑑定相關或來自同一化合物類別的其他成分。

Compound Discoverer 質譜分析軟體會透過降低基質干擾降低樣品的複雜性,同時也會透過其相關的質量缺陷來標的特定化合物類別,如此能讓您更快速的鑑定、偵測和檢閱複雜的數據組。

Data illustrating how MMDF can be used to simplify complex matrix samples
 Click image to enlargeUpper left shows the Total Ion Chromatogram (TIC) for a sample in bile matrix, illustrating the potential complexity and matrix interferences present; bottom left shows the resulting trace following the use of Multiple Mass Defect Filtering (MMDF) and how it can be used to effectively simplify complex matrix samples such as bile, feces, blood, and plasma. The plot on the right demonstrates how the mass defect plot can be used to visualize data and mine using Kendrick formulas, for example unknown polymer identification. All data is interactively linked between plots and data tables within Compound Discoverer software to streamline data review.

Compound Discoverer 質譜分析軟體可用於分析食物雜質和降解產物中的代謝命運和結構組成,以及偵測土壤和水中的環境污染物。一旦在環境和食品安全研究中發現了未知化合物,它們通常需要使用四極桿或以 MS 為基礎之高解析度技術來進行高處理速率篩檢。Compound Discoverer 質譜分析軟體使您可以將數據直接匯出至新的或現有的 mzVault 資料庫或目標列表,以便與 Thermo Scientific TraceFinder 軟體一併使用,以進行篩檢和定量,從而減輕在組織內轉換方法的負擔。

Compound Discoverer 質譜分析軟體可偵測濫用藥物與結構相關之設計藥物中的未知代謝物;例如,許多新藥包含相似結構,且 Compound Class Scoring 節點可針對常見片段離子,對已偵測到的化合物進行評分,從而有助於根據特徵片段尋找新藥。這些資訊可轉輸到各種篩檢方法,幫助您跟上新藥及其代謝產物不斷擴展之變化。一旦使用 Compound Discoverer 質譜分析軟體提供的任何一種工作流程識別出未知化合物,就可以將數據直接輸出到新的或現有的 mzVault 庫,或可以與 Thermo Scientific TraceFinder software 軟體一起使用目標列表,以下方法進行篩檢和定量四極桿或基於 MS 的高解析技術。


Compound Discoverer 質譜分析軟體的啟用工具

了解和解讀全方位數據組時,有幾種工具可供使用。Compound Discoverer 質譜分析軟體可以在沒有直接光譜匹配時,存取許多線上及離線資源,並使用智能算法來幫助鑑定未知化合物。

  • mzCloud,一個詳盡的線上進階質譜片段數據庫
  • mzLogic 是一種數據分析演算法,可將數百萬可用的結構數據庫與 mzCloud 的詳盡質譜片段化資料庫相結合,在沒有直接質譜匹配時,對未知物的推定結構進行排序
  • mzVault 為一個存放庫,可以在您沒有線上存取或需要使用自己專屬的資料庫時使用。它提供自 mzCloud 存取 MS/MS 層級之內容,或建立自訂本地資料庫的功能。
  • 用於單變量和多變量統計分析的統計分析和數據標準化工具

可以藉由這些工具連結所有已鑑定的化合物,從而輕鬆選擇數據並將其匯出到多個不同的來源,以用於下一階段的分析。

了解更多有關 Compound Discoverer 強大啟用工具的資訊

mzCloud

涵蓋了大範圍的小分子應用,mzCloud 詳盡的結構和化學多樣性,可確保對任何未知物進行鑑定的絕對信心。

利用詳盡的高解析度 MS/MS 和多階段 MSn 光譜,並結合詳盡的後設資料、世界最大的 LC-MSn 參考光譜資料庫和最詳盡整理的質譜資料庫,可提供強大的未知物鑑定功能。

Identify more unknowns with MSn and SubTree search

充分利用擷取自線上數據資料庫或使用者所提供結構之強大功能,可以透過 MSn 和次結構光譜配對,自信地鑑定更多未知物。

世界上最大的質譜片段化數據庫 mzCloud 是如何創建的?

針對 mzCloud 中的每種化合物,許多前驅物和 MSn 片段光譜都能符合邏輯地組織到光譜樹之中。光譜樹的每個層級都代表一個 MSn 階段,其中最高層級從 n=1 或前驅物質光譜開始。每個層級皆可包含許多光譜,因為使用各種不同的實驗條件來擷取數據,以確保詳盡且具代表性的覆蓋後續片段,從而增加高品質搜尋結果的可能性。

A schematic representation of a spectral tree from mzCloud

來自 mzCloud 的光譜樹示意圖。已為多重極性 (ESI +/-) 中的給定化合物及一系列加成物擷取 MS 光譜。使用不同的片段技術 (CID、HCD) 並以多重碰撞能量將每個前驅物徹底片段化,以在每個片段層級產出片段光譜集合 (MS2、MS3、MS4 等),從而為每個資料庫項目生成全面的光譜樹資訊。

每個資料庫項目的詳盡數據,連同 Compound DiscovererMass Frontier 數據分析軟體套件中所提供之適度信心和數據視覺化,對準確化合物鑑定、將實驗所獲得數據與資料庫內容進行配對來說,皆至關重要。其他工具包括 mzLogic,該工具使用詳盡的片段資訊,可有自信地鑑定無法單獨根據光譜資料庫化合物項目來鑑定的未知物。

mzLogic

如果您沒有從資料庫搜尋中找到匹配的選項,會發生什麼?您仍然可以利用 mzCloud 中包含的全面片段資訊!透過光譜相似性和次結構資訊 (前驅物離子指紋分析),mzLogic 可利用所有這些資訊,並為您提供真正未知物的最佳候選物。

當小分子未知物無法與任何光譜匹配時,我們如何仍能鑑定它們呢?

透過結合光譜資料庫相似性搜尋和化學數據庫搜尋,最大化您的真實片段數據。

使用 Metabolika 建立、編輯和搜尋反應途徑。以可發表品質的圖像功能來建立和編輯反應途徑,超過 370 個已整理和註釋的生化途徑 (包括一系列有機體在內),您可以輕鬆共享途徑的知識。

Metabolika 中的資訊也可用於片段預測和 mzLogic,進而提高未知化合物鑑定的機會。

此外,對於穩定的同位素標記分析,您可以納入 Metabolika 中的交換率 (或合併率),以更全面地了解您的途徑。

除了 Metabolika 外,Compound Discoverer 質譜分析軟體還支援 KEGG 和 BioCyc 生物途徑資料庫。化合物比對分析可以兩種不同方式顯示:特定內容,例如查看特定化合物,您可以看到此化合物比對到的途徑,或是您可以使用全域檢視 (從路徑列表開始),並可視覺化所有比對到給定途徑上的化合物。可使用 mzCloud 確認已偵測到的化合物,例如將生成的數據色彩編碼於內嵌途徑上。

您的數據具有內在價值,因其為您所擷取的知識。mzVault 提供從 mzCloud 離線存取和搜尋 MS2 層級光譜數據或存放您個人光譜資料庫資訊的功能。光譜資訊,和您的知識,可從 Compound Discoverer 自動傳送到新的或現有的資料庫中,然後可使用 Compound Discoverer 或 TraceFinder 軟體進行搜尋,或使用 Thermo Scientific Mass Frontier 軟體進行編輯。

即使擁有詳盡的線上結構數據庫,並且使用 mzLogic 所提出結構或次結構,有時未知物仍可能為未知。將這些資訊與您先前鑑定的專有化合物之資料庫存放在一起,可以幫助您回答「我之前是否看過?」這個問題。

對於許多應用來說,Compound Discoverer 質譜分析軟體提供了自信鑑定未知物的方法,從新穎環境污染物到設計藥物和代謝物。部分這些應用的下一步可以是使用含 TraceFinder 軟體的四極桿或高解析度 MS 進行更高速率的鑑定和/或定量,或是以第三方套件進一步分析。

良好的實驗設計,對任何分析來說皆至關重要,特別是對統計研究而言,確保任何觀察到的潛在趨勢,皆是根據真實變化發生,而不是那些被歸因於實驗效果的變化。因此有針對大規模研究的方案,其中使用混合品質管制 (QC) 樣本來實現這些大規模研究的標準化。

A comparison of two scatter plots of QC samples
 Click image to enlargeUsing pooled QC samples, which are analyzed throughout data acquisition, allows for the correction of batch-effects over time. Correction for each sample is performed individually, the upper plot shows a curve fitted to the QC samples, with the bottom plot showing the resulting data set after correction. This capability is based upon a peer-reviewed methodology published by Dunn et. al. in Nature Protocols. Compound Discoverer software provides the capability to also view the impact of any changes to the data pre- and post- normalization according to this protocol.

Compound Discoverer 質譜分析軟體與一整套功能強大的統計工具完全連結在一起,可幫助您了解哪些化合物/數據群組已改變且變化多大。

統計分析可用於一系列不同的分析,包括代謝體學、環境、食品安全和摻假、法醫、臨床、雜質及可萃取物和可浸出物研究。能夠執行一系列從差異分析、ANOVA、PCA 到 PLS-DA 的單變量和多變量分析,並透過工作流程將這些工具的輸出與來自化合物鑑定的結果結合 (以高度圖像化和互動式的方式),從而為您的數據提供深度的深入解析,並且可以輕鬆地進行報告和共享。

A screenshot illustrating how different views of the data can be connected in Compound Discoverer
 Click image to enlargeDemonstrating the connectivity of data within Compound Discoverer software, the data points highlighted by blue circles in the Volcano Plot (bottom right) are selected within the Compound Table (bottom left). Selecting any compound in any plot automatically updates all plots to show the relevant data. The interconnected tools enable you to rapidly identify differences and the compounds or groups of compounds responsible for those differences. Additionally, it streamlines follow-on confirmation by giving you the ability to filter and review the relevant data.

Compound Discoverer 質譜分析軟體提供多重方法來視覺化複雜的數據組和關係,使您能夠跨顯示器新增多個繪圖,以追蹤和檢視它們之間的關係,並更加了解您的數據。

Data displayed in three different formats, an S plot, hierarchical clustering and a box whisker chart
 Click image to enlargeFrom Principal Components Analysis (PCA) for unbiased review of data to supervised techniques like Partial Least Squares – Discriminant Analysis (PLS-DA) and the use of S Plots (left) identify compounds that give rise to any observed grouping of samples. Hierarchical Clustering (center) not only shows the clustering of samples along the x-axis, and clustering of compounds on the y-axis, it provides user-configurable heat mapping to visualize any clustering. Box Whisker Charts (right) allow visualization by groupings, time points, and more, with dynamic.

一旦全面檢閱過複雜的數據組,並已對導致差異的成分進行評估,則可能需要進行更大量的分析,以驗證這些變化/差異是由已鑑定之化合物所引起。已確認的化合物可從 Compound Discoverer 質譜分析軟體輕鬆匯出到一系列不同的輸出之中,方便進行其他分析。更多相關資訊請參見「自訂、本地資料庫和數據傳輸」一節。

探索化合物之間的關係,可為您的數據組揭露其他訊息和深入解析。藉由 Molecular Networks,您可以根據轉化和光譜相似性 (例如,一系列的 Phase I 和 Phase II 轉化) 來互動式地探索您分析之中化合物之間的關係。

Relationships between compounds visualized using Molecular Networks
 Click image to enlargeThe fully interactive Molecular Networks visualization browser allows you to view your data in a different way. Identified compounds are shown by nodes (circles) and when a relationship is identified, the nodes are connected. Selecting a node (compound) or connection (transformation) displays pertinent information (right) about the identified compound and the relevant transformation(s). All of the visualized data can be interactively filtered using thresholds, data quality information or text search for specific compounds or transformations.

片段離子搜索 (FISh) 是根據由理論式片段預測或實驗 MSn 數據所擷取的母化合物之片段模式,提供結構相似化合物的快速篩檢。母化合物結構及其潛在代謝物會被用於過濾掉絕大多數的基質相關背景離子,從而使相關化合物之鑑定變得快速輕鬆。FISh 提供了 Phase l 和 Phase II 生物轉化的詳盡列表,並提供建立自訂列表的功能。

包含了 HighChem 片段資料庫,其中包含 52,000 個片段配置、217,000 個獨立反應、256,000 個化學結構和 216,000 個來自同儕檢閱文獻的解碼機制,FISh 為一個強大的工具,可幫助您為推定的代謝物指派結構或其他可能的結構。FISh 可在提議片段結構以做為推定結構時,使用真實數據來提供更大可信度,並可計算分數以說明給定之結構候選物能夠多好的解釋片段數據。



觀看下面的影片,從我們的使用者和科學家身上了解更多有關 Compound Discoverer 質譜分析軟體的強大功能。



Compound Discoverer 質譜分析軟體的訂購指南




支援

其他資源