高解像度質量分析データの監視なし分析のための自動ターゲットスクリーニング（ATS）ワークフローによる問題のあるイオンクロマトグラムの取り扱い

高解像度質量分析（HRMS）に結合した液体クロマトグラフィー（LC）またはガスクロマトグラフィー（GC）は、環境および生物学的サンプルに見られる数千の化学汚染物質の分析のための多用途の分析方法です。このような複雑なデータセットを処理するためのツールは改善されていますが、ターゲットを絞ったスクリーニング分析のための完全に自動化されたワークフローはまだありません。ここでは、騒々しいイオンクロマトグラム、保持時間シフト、複数のピークパターンなどの挑戦的なデータに対処できるRベースのワークフローを提示します。ワークフローは、電子イオン化（GC-EI）でGC後に記録されたHRMSデータのバッチに適用し、ネガティブモードとポジティブモード（LC-ESINEG/LC-ESIPOS）の両方でエレクトロスプレーイオン化に結合して、ピーク注釈と定量化を完全に拡張していないものを実行することができます。。地表水抽出物のHRMSデータを軌道に乗せて、自動化されたターゲットスクリーニング（ATS）ワークフローを、ベンダーソフトウェアTraceFinderとMZMINEソフトウェアの確立された半自動分析ワークフローで実行したデータ評価と比較しました。ATSアプローチは、事後修正を必要とせずに、確立されたMzmineモジュールと比較して、ピーク注釈の全体的な評価パフォーマンスを増加させました。全体的な精度は、0.80から0.86（LC-ESIPOS）、0.77から0.83（LC-Esineg）、および0.67から0.76（GC-EI）に増加しました。ATSの定量化の平均平均パーセント誤差は、TraceFinderによる手動定量化と比較して約30％でした。ATSワークフローは、GCおよびLC-HRMSデータの時間効率の高い分析を可能にし、手動介入を必要とせずに多数の分析物とサンプルサイズを使用した研究でターゲットスクリーニングの適用性を加速および改善します。

Liquid chromatography (LC) or gas chromatography (GC) coupled to high-resolution mass spectrometry (HRMS) is a versatile analytical method for the analysis of thousands of chemical pollutants that can be found in environmental and biological samples. While the tools for handling such complex datasets have improved, there are still no fully automated workflows for targeted screening analysis. Here we present an R-based workflow that is able to cope with challenging data like noisy ion chromatograms, retention time shifts, and multiple peak patterns. The workflow can be applied to batches of HRMS data recorded after GC with electron ionization (GC-EI) and LC coupled to electrospray ionization in both negative and positive mode (LC-ESIneg/LC-ESIpos) to perform peak annotation and quantitation fully unsupervised. We used Orbitrap HRMS data of surface water extracts to compare the Automated Target Screening (ATS) workflow with data evaluations performed with the vendor software TraceFinder and the established semi-automated analysis workflow in the MZmine software. The ATS approach increased the overall evaluation performance of the peak annotation compared to the established MZmine module without the need for any post-hoc corrections. The overall accuracy increased from 0.80 to 0.86 (LC-ESIpos), from 0.77 to 0.83 (LC-ESIneg), and from 0.67 to 0.76 (GC-EI). The mean average percentage errors for quantification of ATS were around 30% compared to the manual quantification with TraceFinder. The ATS workflow enables time-efficient analysis of GC- and LC-HRMS data and accelerates and improves the applicability of target screening in studies with a large number of analytes and sample sizes without the need for manual intervention.