Výuka předmětu je zaměřena na pochopení analytických postupů využívajících chromatografických a hmotnostně-spektrometrických metod pro stanovení různých složek potravin a interpretaci takto získaných dat. Prezentovány jsou následující tematické okruhy: (i) spojení chromatografických technik s hmotnostní spektrometrií; (ii) interpretace hmotnostních spekter; (iii) software pro identifikaci analytů a vyhodnocování dat; (iv) aplikace necílového screeningu v analýze potravin; (v) kvantifikační postupy a techniky; konfirmace; (vi) statistické metody pro zpracování dat (multivariační analýza).
Poslední úprava: LACINAO (30.03.2014)
This subject is focused on the interpretation of chromatographic and mass spectrometric data generated within analysis of various food components. The following topics are discussed: (i) connection of chromatographic and mass-spectrometric techniques; (ii) interpretation of mass spectra; (iii) software tools for analyte identification and data processing; (iv) non-targeted screening in food analysis; (v) techniques for the quantification of analytes and confirmation of analytes; (vi) statistical methods for the data processing and interpretation (multivariate analysis).
Poslední úprava: LACINAO (29.03.2014)
Podmínky zakončení předmětu (Další požadavky na studenta) -
Splnění písemného testu a ústní zkoušky.
Poslední úprava: LACINAO (30.03.2014)
Written test and oral exam
Poslední úprava: LACINAO (30.03.2014)
Literatura -
Pradip K. Ghosh: Introduction to Protein Mass Spectrometry, 2015, ISBN: 978-0-12-802102-6, Elsevier
Mike S. Lee: Mass Spectrometry Handbook, 2012, ISBN:9780470536735, Wiley
Z: Kind T., Tsugawa H., Cajka T., Ma Y., Lai Z., Mehta S.S., Wohlgemuth G., Barupal D.K., Showalter M.R., Arita M., Fiehn O.: Identification of small molecules using accurate mass MS/MS search. Mass Spec Rev. 2017;9999:1–20.
Poslední úprava: Stránská Milena (15.11.2022)
Pradip K. Ghosh: Introduction to Protein Mass Spectrometry, 2015, ISBN: 978-0-12-802102-6, Elsevier
Mike S. Lee: Mass Spectrometry Handbook, 2012, ISBN:9780470536735, Wiley
Z: Kind T., Tsugawa H., Cajka T., Ma Y., Lai Z., Mehta S.S., Wohlgemuth G., Barupal D.K., Showalter M.R., Arita M., Fiehn O.: Identification of small molecules using accurate mass MS/MS search. Mass Spec Rev. 2017;9999:1–20.
Poslední úprava: Stránská Milena (15.11.2022)
Sylabus -
1. Obecné požadavky na kvalitu generových dat pomocí chromatografických a hmotnostně-spektrometrických technik; vymezení základních pojmů.
2. Spojení plynové chromatografie s hmotnostní spektrometrií, ionizační techniky v GC-MS, konvenční detektory.
3. Spojení kapalinové chromatografie s hmotnostní spektrometrií, ionizační techniky, konvenční detektory.
4. Hmotnostní spektrometrie (MS), typy hmotnostních spektrometrů, akviziční módy.
5. Interpretace GC-MS hmotnostních spekter.
6. Interpretace LC-MS hmotnostních spekter.
7. Hmotnostně-spektrometrická data v analýze potravin.
8. Knihovny spekter, retenční indexy.
9. Spektrální dekonvoluce, software pro identifikaci/interpretaci analytů.
10. Aplikace necílového screeningu v analýze potravin.
11. Přehled a použití různých kvantifikačních postupů a technik.
12. Kriteria konfirmace ve spojení s hmotnostní spektrometrií.
13. Významné statistické metody pro zpracování dat.
14. Využití software pro automatické procesování dat.
Poslední úprava: LACINAO (30.03.2014)
1. General requirements on quality of chromatographic and mass-spectrometric data, definition of basic concepts.
2. Connection of gas chromatography and mass spectrometry, ionization techniques, conventional detectors.
3. Connection of liquid chromatography and mass spectrometry, ionization techniques, conventional detectors.
4. Mass spectrometry (MS), different types of mass spectrometers, acquisition modes.
5. Interpretation of GC-MS spectra.
6. Interpretation of LC-MS spectra.
7. Mass spectrometry in food analysis.
8. Spectral libraries, retention indexes.
9. Spectral deconvolution, Software tools for an analyte identification/interpretation.
10. Application of non-targeted screening in food analysis.
11. Quantification techniques.
12. Confirmation criteria in mass spectrometry.
13. Statistical methods for data processing.
14. Software for automated data processing.
Poslední úprava: LACINAO (30.03.2014)
Výsledky učení -
Studenti budou umět:
Aplikovat separační techniky (GC a LC) ve spojení s hmotnostní detekcí pro různé analytické úkoly, budou rozumět základním charakteristikám jednotlivých ionizačních technik a hmotnostních analyzátorů.
Vyhodnotit hmotnostní spektrum, určí molekulový ion a vyhodnotí izotopový profil, vypočítat sumární vzorec pro jednoduchou látku, vypočítají množství dvojných vazeb.
Kvalitativně vyhodnotit LC-MS a GC-MS data, správně aplikovat vyhlazovací algoritmy, spektrální dekonvoluci, využít knihovny spekter a retenční indexy pro identifikaci analytů.
Kvantifikovat naměřená data, konfirmovat výsledek analýzy, využít různé kalibrační postupy (kalibrační křivka, standardní přídavek, vnitřní stadnard, izotopové zřeďování apod.) v LC-MS a GC-MS.
Aplikovat základní chemometrické nástroje pro zjištění struktury dat a získání maxima užitečných informací z naměřených souborů dat.
Poslední úprava: TAJ323 (31.03.2014)
Students will be able to:
Apply the knowledge for using separation techniques (GC and LC) in combination with mass spectrometric detection for different analytical tasks; they will understand to the basic characteristics of different ionization techniques and mass spectrometers.
Analyse mass spectrum, find the molecular ion and analyze its isotopic envelope, calculate formula from simple spectrum and calculate number of double-bonds.
Qualitatively analyze LC-MS and GC-MS data; correctly apply smoothing algorithms; understand to spectral deconvolution; to use mass spectral libraries and retention indexes for the identification of analytes.
Quantify obtained data, confirm results, use different calibration approaches (external calibration curve, method of standard addition, internal standards, isotopic dilution) in LC-MS and GC-MS.
Apply basic chemometric tools for the analysis of data structure and get the maximum of information from recorded data sets.
