质谱预测

卡内基梅隆大学和俄罗斯圣彼得堡国立大学的研究人员提出一种算法——MolDiscovery，提高了小分子识别的效率和准确性。该算法使用分子的质谱数据来预测未知物质的「身份」，在研究早期告诉科学家他们是偶然发现了新事物，还是仅仅重新发现了已知事物，可节省发现新的天然医药产品的时间和金钱。　　该研究于6月17日以「MolDiscovery: learning mass spectrometry fragmentation of small molecules」为题发表在《自然通讯》（Nature Communications）杂志上。 MS 是一种电离化学物质并根据其质荷比（质量-电荷比）对其进行排序的分析技术。广泛应用于各个学科领域中通过制备、分离、检测气相离子来鉴定化合物。　　质谱图是小分子的指纹，可以用一组质量峰表示，但与指纹不同的是，没有庞大的数据库来匹配它们。尽管已经发现了数十万种天然分子，但科学家们无法获得他们的质谱数据。　　目前，已经出现了包含数万个小分子注释质谱的谱库，为开发基于机器学习的方法来提高计算机数据库搜索的灵敏度和特异性铺平了道路。然而，现有方法对于超小分子（ 400 Da）表现不佳，并且对于「重」小分子（1000 Da）在计算上不足。　　现在，该研究团队提出一种质谱数据库搜索方法—— MolDiscovery，通过学习概率模型来将小分子与其质谱相匹配，大大提高了小分子识别的准确性，同时使搜索效率提高了一个数量级。　　从全球天然产物社会分子网络（GNPS；http://gnps.ucsd.edu) 搜索了 800 万个串联质谱后，MolDiscovery 以 0% 的错误发现率 (FDR) 鉴定了 3185 个独特的小分子，与现有方法相比，增加了 6 倍。在具有已知基因组的 GNPS 存储库的一个子集上，MolDiscovery 正确地将 19 个已知和三个假定的生物合成基因簇与其分子产物联系起来。　　MolDiscovery 框架　　MolDiscovery 框架主要分两个过程：训练过程和评分过程。具体步骤：　　从构建代谢物图和生成碎片图开始。对于后者，MolDiscovery 使用一种新的高效算法来查找代谢物图中的桥接和 2-cuts；　　MolDiscovery 继续学习匹配碎裂图和质谱的概率模型；　　对小分子光谱对进行评分，计算 FDR。基准测试　　MolDiscovery 与其他五种最先进的方法进行了比较，数据库搜索结果显示，MolDiscovery识别效果最好，平均可以正确识别测试 GNPS 和 MoNA 数据中的 43.3% 和 64.3% 的小分子。所有测试方法的最高 K = 1、3、5 和 10 准确度。（来源：论文） MolDiscovery 也是针对 DNP 搜索 GNPS 的最快和最节省内存的方法之一。在预处理阶段，MolDiscovery 比其中一种方法快 300 倍以上。　　还根据正确分子匹配的质量范围评估了运行时间。对于质量 1000 Da 的分子光谱，相同质量范围内，MolDiscovery 平均只需 6 分钟和 24 秒。　　注释 8 倍多的光谱，识别出 6倍多的独特化合物　　从GNPS 搜索了 800 万个串联质谱，在严格的 0% FDR 水平下，MolDiscovery 注释了 8 倍多的光谱，并识别出比 Dereplicator+ （一种从MS中识别小分子的数据库搜索复制器）多6倍的独特化合物。　　MolDiscovery 搜索在 10 个线程上花费了 34 天，与单线程上的预测 329 天非常接近。值得注意的是，在搜索如此大规模的光谱数据集时，MolDiscovery 比其他方法要高效得多，只需要对分子数据库进行一次预处理，可以有效地搜索未来的光谱。　　节省新药研发时间、成本　　「科学家们浪费了大量时间来分离已知的分子。」研究团队成员 Hosein Mohimani 说。「早期检测分子是否已知，可以节省时间和数百万美元，并有望使制药公司和研究人员更好地寻找可能用于新药开发的新型天然产品。」　　Mohimani 解释说：「例如，科学家检测出一种在海洋或土壤样本中有望成为潜在药物的分子后，可能需要一年或更长时间才能识别出这种分子，而不能保证该物质是新的。MolDiscovery 使用质谱测量和预测机器学习模型快速准确地识别分子，且无需依赖质谱数据库进行匹配。」　　该团队希望 MolDiscovery 将成为实验室发现新型天然产物的有用工具。MolDiscovery 可以与 Mohimani 实验室开发的机器学习平台 NRPminer 协同工作，帮助科学家分离天然产物。

来自麦吉尔大学和多伦多大学等研究人员已经开发出一种方法，可以仅通过一个微小肿瘤组织样本来预测肺癌患者在手术后的发展状况。研究人员将成像质谱流式细胞术与深度学习技术相结合，分析了400 多名来自肺腺癌患者的肺癌样本的肿瘤微环境。肿瘤微环境已被确定为影响治疗进展的异质性来源。通过在空间和单细胞水平上表征肿瘤微环境，研究人员揭示了与临床特征(如生存率)相关的不同细胞状态和特征。正如他们在Nature杂志上报道的那样，他们使用了人工智能来识别肿瘤微环境的某些特征来高精度地预测疾病进展。　　Fig. 1: IMC defines the spatial landscape of LUAD.　　“总的来说，这些数据表明空间分辨的单细胞转录组在未来可能具有非常大的价值，有助于为个性化的围手术期护理计划提供有价值的信息，以最大限度地减少那些能被治愈的人在治疗过程中产生的毒副作用，或提高那些会复发的人的治愈率”，麦吉尔大学的共同资深作者 Daniela Quail 和 Logan Walsh 以及拉瓦尔大学的 Philippe Joubert 领导的研究人员在论文中写道。研究人员使用 Fluidigm(现为 Standard BioTools)企业的成像质谱流式细胞技术系统，分析了 1996 年 2 月至 2020 年 7 月期间收集的 426 名肺腺癌患者的小组织核心样本。他们使用 35 重抗体组来识别各种细胞他们样本的成分，包括癌细胞本身以及基质细胞、适应性和先天性免疫细胞。研究人员总共检测到超过 160 万个细胞，并发现了 14 个不同的免疫细胞群。他们特别关注免疫细胞群与患者的临床数据之间的关联。例如，肥大细胞与延长生存期有关，虽然它们在非吸烟者和患有早期疾病的患者中更为常见。研究人员进一步注意到某些免疫细胞的频率与特定临床亚组之间的联系—例如，CD4 阳性辅助性 T 细胞在女性患者的样本中富集，她们往往会有更好的总体存活率，而老年患者的肿瘤内 CD8 较少- 阳性 T 细胞。与此同时，他们探索了肿瘤微环境中不同的细胞表型如何与生存相关，例如，发现 H1F1-α 阳性中性粒细胞将会产生不利于生存的环境。观察具有相似局部细胞类型组成的区域(邻近细胞)，研究人员进一步指出，不同的组织结构与生存差异有关。例如，富含 B 细胞的邻近细胞与存活显着相关，尤其是 CN-25 邻近细胞，它也富含 CD4 阳性辅助性 T 细胞。通过应用深度学习方法，研究人员发现他们生成的空间信息可以改善对临床结果的预测。他们报告说，创建的模型(包括空间信息)预测进展的准确率高达 95.9%，而基线评分的准确率为 75%，而且他们仅仅使用了一个 1 mm²的肿瘤样本。此外，研究人员使用成像质谱流式细胞术分析了 60 名原发性肺腺癌患者的单独验证队列，并在数据集中发现该模型以 94% 的准确度预测进展。研究人员将他们模型的预测能力追溯到六个标记的组合：CD14、CD16、CD94、αSMA、CD117 和 CD20。总体来讲，准确率为 93.3%，精密度和召回率为 95.6%。研究人员写道：“我们的研究结果代表了对使用临床和病理变量的现有预测工具的重要进步，并且可以更有效地利用不断增长的围术期辅助系统来改善癌症结果。”　　来源：　　1.Sorin, M., Rezanejad, M., Karimi, E. et al. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature (2023). https://doi.org/10.1038/s41586-022-05672-3.　　2.基因网

大家好，本周为大家分享一篇发表在Nature Biotechnology上的文章，Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning，该文章的通讯作者是德国柏林工业大学的Juri Rappsilber教授和机器人与生物学实验室的Oliver Brock团队。　　由谷歌公司旗下的DeepMind团队所开发的AlphaFold2对于蛋白质结构的准确预测是一项巨大的成就，其对生命科学的影响仍然在显现。虽然AlphaFold2可以从一级序列预测准确的蛋白质结构，但对于发生构象变化或已知同源序列很少的蛋白质仍然存在挑战。　　本文介绍了AlphaLink，AlphaFold2算法的一个改进版本，它将实验距离约束信息合并到其网络架构中，通过使用稀疏的实验约束作为锚点，提高了AlphaFold2在预测具有挑战性的目标方面的性能。文章通过使用非典型氨基酸光亮氨酸(Photo-L)，通过交联质谱获得细胞内残基-残基接触的信息，并通过实验证实了这一点。　　AlphaLink可以根据所提供的距离约束来预测蛋白质的不同构象，证明了实验数据在推动蛋白质结构预测方面的价值。该研究提出的用于集成蛋白质结构预测数据的抗噪声框架为从细胞内数据准确表征蛋白质结构开辟了新道路。　　AlphaFold2基于静态输入数据预测静态模型，它在两个信息源上进行了训练，即蛋白质数据库(PDB)和多序列比对(MSA)中的蛋白质结构。这种方法受到了那些进化信息不足的目标的挑战，从而产生了不太可信或错误的预测。此外，X射线衍射分析的蛋白结构不能很好地反映结构的灵活性、多种构象和动态相互作用，而在溶液(理想状态下是在细胞内)中观察到的蛋白质的结构约束可以帮助解决这些问题。因此，在 AlphaFold2框架中添加这样的限制，可以引导预测在特定条件下发生的原位结构状态。　　交联质谱(XL-MS)能够提供距离约束，可用于蛋白质结构预测。特别是，光反应氨基酸(Photo-AA)很容易被原核细胞和真核细胞结合，这为探索蛋白质的原位构象提供了可能性。此外，Photo-AA交联产生了相对紧密的距离限制，与共同进化接触良好对齐，这是大多数蛋白质结构预测方法的基础，包括AlphaFold2。　　在本文中，作者介绍了AlphaLink，这是一种结构预测方法，它将Photo-AA交联的实验数据直接集成到AlphaFold2体系结构中(图1)。AlphaLink使用深度学习来合并共同进化关系的距离空间和交联数据，充分利用了数据的互补性。作者证明了AlphaLink可以利用嘈杂的实验接触来改善对模拟和真实实验数据上具有挑战性的目标的预测，从而将预测转向蛋白质的原位构象(图2)。为了测试AlphaLink，作者用光亮氨酸进行了大规模的交联质谱研究，文章表明，即使是稀疏交联的质谱数据也可以将预测锚定到特定的构象状态，从而打开了通过混合实验/深度学习方法探测动力学的可能性(图3)。该研究还进一步将 AlphaLink扩展到任意距离约束，引入了将距离约束编码为图表的二次表征(图4、5)。　　AlphaLink：通过OpenFold将交联技术集成到AlphaFold2中　　图 1. AlphaLink中的信息流程　　集成photo-AA交联实现对具有挑战性靶点的抗噪声预测　　　　图 2. AlphaLink与AlphaFold2的性能比较　　Photo-L作为原位结构探针　　图 3. 在大肠杆菌中的原位photo-L交联质谱　　利用原位photo-L数据进行构造预测　　图 4. 利用大肠杆菌膜部分的细胞内photo-L交联质谱数据的结构预测　　原位探测构象动力学　　图 5. Photo-AA数据，指导特定构象状态的预测　　综上所述，本文的研究结果表明，AlphaLink成功地通过深度学习、利用实验距离约束来改善蛋白质结构的预测。文章提出了一个基于Photo-AA交联质谱的工作流程，提供了类接触距离信息，并获得了细胞内第一个大规模的Photo-AA交联质谱数据集。然后，文章在AlphaLink中实现了基于Photo-AA的蛋白质结构预测。本文的方法利用一系列通用接触，以显式距离约束或双图表示，以引导OpenFold管道走向与实验数据一致的结构。因此，本文概述的工作流程为混合实验辅助人工智能预测蛋白质结构提供了一个总体框架，直接在原位研究蛋白质的结构与功能之间的关系，而不需要任何基因操作。　　撰稿：聂旻涵编辑：李惠琳　　原文：Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning　　李惠琳课题组网址www.x-mol.com/groups/li_huilin　　参考文献　　1. Stahl, Kolja et al. “Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning.” Nature biotechnology, 10.1038/s41587-023-01704-z. 20 Mar. 2023, doi:10.1038/s41587-023-01704-z.

近日，首都医科大学附属北京妇产医院曹正临床质谱团队在JCR Q1区内科权威期刊《Annals of Medicine》在线发表题为“Delivery prediction by quantitative analysis of four steroid metabolites with liquid chromatography tandem mass spectrometry in asymptomatic pregnant women”的研究论文，第一作者为2020级检验专业研究生孟兰兰，该研究通过应用液相色谱串联质谱（LC-MS/MS）平台建立了四种类固醇代谢物（E3-16-Gluc、17-OHP、THDOC、A-3,17-Diol）的方法学并进行了一系列的方法验证，证实E3-16-Gluc 和 17-OHP 的类固醇代谢物组对于预测没有任何临产临床迹象的单胎妊娠妇女（简称无症状孕妇）一周内的分娩具有极大价值。早产机制尚不明确标志物发现推动早产预测根据世界卫生组织统计，全球每年出生的早产儿有1500多万，我国的早产儿出生率约为10%，早产是造成围产儿及5岁以下儿童死亡的最主要原因。但目前早产发病机制尚不明确，作为早产临床诊疗中的重要环节，此前临床亦无可靠的短期早产预测标志物。分娩预测对评估预产期、提供充分产前护理建议，以及早产和过期妊娠干预诊疗都具有重要意义。而随着三胎政策的落地，高龄、高危以及有妊娠并发症或合并症者孕妇比例逐渐增高，早产预测的临床意义和必要性也进一步提高。首都医科大学附属北京妇产医院曹正、翟燕红临床质谱团队，联合产科刘晓巍团队以及美国康纳尔大学医学院赵贞团队，利用自建LC-MS/MS方法，对招募的585名30孕周（GW）及以上无症状单胎自然分娩孕妇进行血浆中的四种类固醇代谢物的定量检测，评估其在分娩预测中的临床价值，在采集血浆后 7 天内分娩为阳性组，在采样后 7天内未分娩的为阴性组。实验结果表明，THDOC和A-3,17-Diol的浓度在阳性组和阴性组之间没有显著差异。相比之下，阳性组的血浆E3-16-Gluc 和 17-OHP水平显着高于阴性组，具有统计学差异。根据ROC分析确定的临界值，E3-16-Gluc和17-OHP组合测量的阴性预测值(NPV)高达95.7%。本论文对E3-16-Gluc 和 17-OHP 的类固醇代谢物在相对较短的窗口（即7天）内准确排除自然分娩能力的发现，对推动开发简单而准确的早产诊断检测手段有着重大意义，能够为无症状孕妇住院与门诊监测以及门诊强度的临床决策提供重要参考。主要作者介绍 曹正，主任技师，副教授，硕士生导师，首都医科大学附属北京妇产医院临床质谱检验中心主任、检验科副主任。博士毕业于美国马里兰大学帕克分校，随后进入美国休斯敦卫理公会医院进行检验住院医师培训，并取得美国临床化学医师执照。主要社会任职：首都医科大学临床检验诊断学系青年委员会副主任委员，北京市临床检验中心临床质谱规范化应用专家委员会副主任委员，北京内分泌代谢病学会检验医学专业委员会副主任委员等。

质谱是一种被用于鉴别样品中各种化学成分的分析技术，同时也被用于样品中特定化学组分的定量。目前，质谱已成为分析实验室中研究化合物生物和化学性质的一种很常用技术，其中在生命科学领域，质谱主要用于蛋白质的测序和表征，如鉴定疾病中的关键蛋白并定量、改变表型及识别诊断标志物以便于治疗。　　得益于临床诊断的广泛应用，MALDI-TOF发展最快　　根据技术划分，目前的质谱技术包括气相色谱-质谱(GC-MS)、液相色谱-质谱(LC-MS)、基质辅助激光解吸电离飞行时间质谱(MALDI-TOF)、三重四极杆液相色谱-质谱，四极杆飞行时间液相色谱-质谱、电感耦合等离子体质谱等。其中，MALDI-TOF是全球质谱市场中发展速度最快的细分市场，这主要得益于该技术在临床诊断领域中日益广泛的应用。　　使用频繁&成本降低，制药成为质谱最大应用领域　　按照应用划分，质谱的应用领域包括制药、环境监测、食品和饮料检测、生物技术、工业化学等。其中，制药行业是全球质谱市场中最大的应用市场，这是因为质谱在药物安全方面使用日益频繁，同时还降低了药物发现相关过程中的成本。　　北美市场规模最大，亚洲市场增速最快　　从地理区域角度来看，北美地区占据了全球质谱市场的主导地位，这是因为该地区的生物技术和生物医学领域的政府投资不断增加，而且蛋白质组学领域研发力度加大也推动了该地区质谱技术的发展，美国是该地区最大的质谱技术市场，加拿大其次。法国、德国、意大利、西班牙和英国占据了欧洲地区的主要市场份额。然而，亚洲市场在未来五年预计将成为全球质谱市场中增速最高的地区，因为很多企业在该地区设立生产工厂和研究中心，并且质谱制造商为促进质谱技术参与发起的展会日渐增多，这也为亚洲质谱市场的快速发展做出了贡献；日本、中国和印度预计将成为亚洲地区增长最快的质谱市场。　　剖析：全球质谱市场中驱动力、制约因素　　近来，全球质谱市场的主要驱动力包括生命科学研究领域的政府投入加大、医药行业的研发投入提升，同时人们对食品和饮料安全问题的日益关注也推动了全球质谱市场的增长。此外，质谱技术不断进步也刺激了终端用户的采用。　　然而，仪器的高成本成为了全球质谱市场增长的关键制约因素，同时质谱操作技术人员的缺失也妨碍了全球质谱市场的增速。　　主流制造商兼并整合成全球质谱市场发展趋势　　全球质谱市场中的主要参与者包括丹纳赫、安捷伦、沃特世、赛默飞、布鲁克、珀金埃尔默、岛津、日本电子、日本理学、Bio-Rad等，这些主流质谱制造商之间的兼并整合日渐频繁，这将成为全球质谱市场的主要发展趋势。编译：刘玉兰

英国《自然机器智能》杂志15日发表一项计算生物学突破，包括加拿大英属哥伦比亚大学在内的研究团队研发了一种自动化、生成式的机器学习方法，可以仅利用质谱就确定未知的新型精神药物（又称人造毒品）的化学结构，了解这些结构能帮助法医实验室更快识别出疑似的人造毒品。　　每年有大量新型精神药物出现在非法市场上，这些药物会造成与已知非法药物相近的精神效果，但其合成方式使其在化学上与已知非法药物有所不同，这些药物规避了现有的毒品法规，甚至难以被侦测。法医实验室使用质谱分析法在查封药片或粉末中识别已知人造毒品。但是，要弄清一种全新人造毒品的结构，通常需要化学专家工作数周或数月，并且需要用到多种实验技术。　　加拿大英属哥伦比亚大学研究人员迈克尔斯金奈德及其同事，此次使用全球各地法医实验室众包的保密数据，训练了一个机器学习模型。他们所使用的算法也被称为深度神经网络，其灵感来自于人脑的结构和功能。机器学习产生了结构和性质都类似于近期人造毒品的分子。该模型随后产生了一个数据库，包含十亿种潜在新型精神药物的结构。用模型训练结束后新收集的数据测试该模型，发现这一方法可以仅用质谱就确定未知人造毒品。在准确结构难以精准确定的实例中，该模型建议的结构，与未知人造毒品非常相似。　　研究人员发现，该模型还可帮助人们了解到哪些分子更有可能出现在市场上，哪些不太可能。研究人员总结说，用其他数据集训练的类似的生成方法，也可以帮助识别其他特定领域未知分子的结构，例如识别新型兴奋剂或者环境污染物。　　研究资深作者、阿尔伯塔大学计算科学教授戴维维斯哈特表示，这一模型意义有点类似2002年的科幻电影《少数派报告》，其可以对即将发生的犯罪活动有所预知，从而帮助显著减少犯罪，“从本质上讲，这一新成果为执法机构和公共卫生计划提供了一个所谓‘先机’，让他们知道需注意什么。”　　斯金奈德表示，该模型仅仅通过精确的质谱测量就阐明整个化学结构，而将数十亿个结构的列表缩小到10个候选结构，大大加快了化学家识别新药物的速度。

p　　在当前的中国超高效液相色谱仪市场上，主流厂商主要是沃特世、安捷伦、岛津、赛默飞、日立高新等外国品牌。国产品牌超高效液相色谱仪主要是上海伍丰的产品，但是市场占有率还比较低。/pp　　当前，超高效液相色谱在科研及工业领域都有着广泛的应用，第十七届北京分析测试学术报告会暨展览会(BCEIA2017)召开期间，仪器信息网邀约中国超高效液相色谱仪市场的部分主流厂商，汇总了各品牌超高效液相色谱仪主流产品的技术特点和应用案例，并请各厂商预测了未来一段时间内超高效液相色谱仪的市场热点及潜力。本文所归纳的是各产品的应用案例及市场预测情况(strong下文按约稿回复先后排序/strong)。/pp　　strongspan style="color: rgb(0, 112, 192) "一、各品牌超高效液相色谱仪应用案例/span/strong/pp　　span style="text-decoration: underline "strong日立高新/strong/span与中科院大连化物所建立了合作应用实验室，主要使用日立超高液相系统进行水解蛋白的肽图法研究，研究的难点在于如何高分辨率地快速分离水解蛋白的各个肽段，通过日立ChromasterUltra Rs超高效液相色谱仪与日立新开发的色谱柱(LaChromUltra II ODS C18，填料粒径1.9 µ m，长250 mm)相配合，可在30min内实现对所有BSA水解肽段的分析，实现了高分辨率地快速分离分析，解决了客户难题。另外，还可用UHPLC对茶碱中的微量有关物质进行的高灵敏度分析的研究，使用日立ChromasterUltra Rs超高效液相色谱仪，配备65mm高灵敏度流通池，可对茶碱中0.001%的有关物质的进行痕量检测，进而实现高灵敏度分析检测。/pp　　span style="text-decoration: underline "strong赛默飞/strong/span则主要涵盖制药(奈韦拉平0.008%的杂质与主成分一起分析)、食品(快速高效同时检测乳制品中的痕量维生素A/D/E)、环境(在线故相萃取检测环境水中的微囊藻毒素)、化工(电雾式检测器检测化工品中无紫外吸收、无荧光化合物)等领域 在满足各种常规检测的基础上，还可完成定制化研发工作及高通量监测工作。特异型、针对性的检测手段及质谱兼容设计可满足各种检测需求。/pp　　span style="text-decoration: underline "strong安捷伦/strong/span可帮助精细化工客户，通过方法转换和优化，缩短分析时间至原来的十分之一，大幅提升中控样品的检测速度，提高实验室效率。另外，针对食品和制药行业对仪器利用率较高的需求，安捷伦仪器还可在实验室无人值守的情况下自动切换色谱柱及流动相等，将仪器利用率大幅提高的同时，还获得高可靠性和重现性的数据。/pp　　span style="text-decoration: underline "strongWaters/strong/span在制药领域内，其超高效液相色谱仪产品在药检所可用于建立药品的质量标准、基因毒性杂质、药物相关物质研究等 在中药领域常用于复方丹参滴丸质量控制研究 在生物制药企业可用于常规指标检测与辅料检查 在医院、高校临床学院等药物代谢研究机构可用于体内体外活性指标检测。另外还可用于第三方检测机构、高校与科研院所的科研课题以及化工企业的检测当中。/pp　　span style="text-decoration: underline "strong上海伍丰/strong/span的超高效液相色谱仪产品用于某军工厂火炸药中“四氮烯”成分含量分析。由于此物不溶于水，极微溶于有机溶剂，要在含有极其微量此成分的溶液中分析其含量，用超高效液相色谱仪，出峰快，效率更高。/pp　　strongspan style="text-decoration: underline "岛津/span/strong超高效液相色谱已经进入各个行业、各个领域的千余家实验室，比如在很多的政府实验室，如很多省部级的商、质、农检实验室，承担这非常多的、涉及到液相分析条件的标准起草和制定工作，很典型的是“国家食品安全风险评估中心”，利用超快速质谱LCMS-8050并配合前端的“方法开发系统”，快速的优化并建立了不同畜肉基质中十种兽药镇静剂液相色谱质谱联用分析方法。又如在药物分析领域，全二维液相色谱系统在某知名高校的国家中重点实验室承担着中药材中天然产物的超精细分离工作 超高效液相色谱与超临界流体色谱切换系统在大赛璐、药明康德、康龙化成等企业帮助用户实现手性化合物方法的快速建立及日常分离工作。再比如在某大型的第三方医学检测机构，基于岛津超高效液相色谱的平行液相系统帮助用户实现分析速度提近一倍的提升，极大提升用户在同行业间的业务竞争能力。/pp　　strong由各品牌应用案例的归纳可以看出，当前超高效液相色谱仪主要用于复杂样品、痕量物质等的分析中。应用范围则覆盖了制药、食品与环境等重要领域，其应用优势主要在于提高分析效率、提高分辨率等方面。/strong/pp　　strongspan style="color: rgb(0, 112, 192) "二、超高效液相色谱仪市场预测/span/strong/pp　　span style="text-decoration: underline "strong日立高新/strong/span认为：今年以及2018年，超高效液相色谱的市场重点仍然会在食品和制药行业。因为食品和药品安全一直是人们关注的热点问题，国标和药典中许多食品，药品的检测都采用的是高效液相色谱法，在食品，药品检测中实现高分辨率，高灵敏度的检测意义重大。超高效液相色谱在分辨率，灵敏度以及分析时间上都要优于常规液相，因此超高效液相色谱在食品和制药行业潜力巨大。/pp　　span style="text-decoration: underline "strong赛默飞/strong/span认为：常规检测基础上更加倾向于超快速液相检测，更加灵活的研发需求及更加高通量的监测需求，更加无缝衔接的液质联用及数据的智能、合规化管理。与全球超快速液相发展趋势同步及日益增长的检测需求，驱使常规液相逐渐趋向超快速液相 越来越多的监控领域对单独色谱检测提出极大的挑战，液质联用逐渐渗透至各个应用领域 国内法规监测及大众舆论加强对数据的监测及控制，合规性将从制药行业逐步扩大至食品、环境、化工等领域。/pp　　span style="text-decoration: underline "strong安捷伦/strong/span认为：对现有常规方法和标准方法的提升已经逐渐成为市场共识，而且也看到最近很多新标准中引入UHPLC，在未来的几年应该会有更多的标准跟进，对UHPLC的需求也会增加。制药和食品化工领域应该是受影响最大的市场。/pp　　span style="text-decoration: underline "strongWaters/strong/span认为：UPLC未来将持续发展，尤其在USP收录152种UPLC方法、中国药典收录更多UPLC检测药品之后，各市场各行业对于提速增效的追求使得UPLC将继续成为热点：(1)药物分析方法开发：实时检测、快速方法开发结果 (2)食品检测：多种成分同时快速在线检测的需要(3)生物药分析：快速常规检测，以缩短产品生命周期 (4)中药配方颗粒：更高的峰容量、分离度及更快的速度，用于指纹图谱分析 (5)天然产物研究：基质复杂，需要更高效灵敏 (6)基因毒性杂质：低含量，需要更高灵敏度的检测手段 (7)农残筛查：提高分析速度、减少溶剂使用 (8)代谢组学分析：追求更快分离、更高峰容量及灵敏度。/pp　　span style="text-decoration: underline "strong上海伍丰/strong/span认为未来超高效液相色谱仪的市场还将继续在食品、制药、化工等领域发展。/pp　　strongspan style="text-decoration: underline "岛津/span/strong认为：在诸多行业对分析效率、分析通量需求越来越高的大市场环境下，超高效液相必将越来越受到重视。就目前来看，食品安全领域、药物分析领域、环境保护领域等诸多关系到大众安全、健康的相关行业都会越来越多启用超高效液相色谱方法来提升效率。/pp　　由strong各品牌超高效液相色谱仪厂商对未来市场的预测可以看出，大家普遍认同随着标准的驱严、对分析工作效率要求的不断提高，未来一段时间内，超高效液相液相色谱仪将在制药、食品等领域继续得到广泛的应用，同时也将有更多应用超高效液相色谱法的标准问世。另外，数据合规性也是各家厂商非常重视的问题。随着超高效液相色谱法越来越普遍的应用趋势，其与质谱等的联用也将更频繁。/strong/pp　　strong(注：内容若有所欠缺，欢迎读者补充。)/strong/ppbr//p

富勒烯C60的发现起源于人们对星际碳物质的探索，获得1996年诺贝尔化学奖的Kroto教授曾于1980年代末期提出猜想：星际空间中，富勒烯可与其他星际分子/离子通过离子-分子或分子-分子反应形成富勒烯衍生物从而存在于星际空间。事实上，研究人员已经通过化学或物理方法合成了数百上千种富勒烯衍生物。那么，如何确认富勒烯衍生物以及哪些富勒烯衍生物存在于星际空间，仍然是一个极具挑战的难题。基于此，西安交通大学侯高垒教授联合多个研究团队，利用自主发展的质谱-光谱联用实验技术，首次测量得到了气相富勒烯-金属复合物在6-25微米范围的高分辨红外谱，并通过与Spitzer空间望远镜得到的天文观测谱比对分析，发现富勒烯-金属复合物可潜在贡献于星际未证认红外发射谱带和弥散星际谱带。 七种富勒烯物种的振动频率汇编为VibFullerene数据集。（课题组供图）最近，在上述工作基础上，侯高垒教授团队将目前所有已报道的实验测量的C60、C60+、C60H+、C60O+、C60OH+、C70和C70H+等七种富勒烯物种的振动频率汇编为VibFullerene数据集。研究人员利用密度泛函理论对VibFullerene数据集中的90余个频率数据进行统计分析，在综合考虑计算成本与计算可靠性的基础上，拟合得到了各种常用理论计算水平下适合于富勒烯物种红外谱可靠预测的频率校正因子。研究人员将通过所得校正因子校正的富勒烯-金属复合物的理论红外谱与实验测量谱进行对比，发现理论与实验吻合很好，表明了研究所构建VibFullerene数据集的合理性与所得频率校正因子的可靠性。上述研究成果近期发表在国际著名天文期刊《皇家天文学会月报》。西安交通大学物理学院侯高垒教授设计领导了该研究，为论文的通讯作者，博士生徐健智为论文第一作者。该研究得到了国际知名天体物理学家美国密苏里大学Aigen Li教授与中科院新疆天文台李小虎研究员的合作与支持。西安交通大学物理学院和物质非平衡合成与功能调控教育部重点实验室为论文的通讯作者单位，研究工作得到了国家自然科学基金和西安交通大学“青年拔尖人才支持计划”等的支持。

除了常规的空气质量自动监测站，雾霾预测还有哪些&ldquo 高大上&rdquo 的仪器装备呢？看看黑龙江的雾霾预测&ldquo 四大宝&rdquo 吧！　　姓名：环境空气质量应急监测车 身价：200万元 江湖地位：东北三省唯一全国不超5台　　必杀技：可监测PM1浓度及能见度　　除了车顶上的两个仪器杆，它看起来就是一辆普通的面包车嘛。然而，当记者走进车内，瞬间被它&ldquo 高大上&rdquo 的&ldquo 内涵&rdquo 折服了。&ldquo 这台车相当于一个可移动的空气质量监测点，一般的空气质量监测站只能显示PM2.5、PM10等六项污染物浓度，而这台车还可以监测PM1的浓度及能见度，开启稳定一小时后就能每分钟更新数据。大气监测室主任邢延峰说，通过3G网络，就能把监测数据传回到省环境监测站了。　　　　跟咱啥关系：由于灵活机动，想测哪个居民小区的空气质量开着去就行了。姓名：移动在线源解析监测平台 身价：520万元　　江湖地位：全国仅此一台　　必杀技：污染颗粒物来源解析　　看外表这是一辆长约三米，宽约两米的&ldquo 房车&rdquo 。&ldquo 这个平台是我们私人订制的。&rdquo 在邢延峰的带领下，记者看到平台里的一款大机器&mdash &mdash 在线单颗粒气溶胶质谱仪。邢延峰告诉记者，工作人员可以利用在线单颗粒气溶胶质谱仪，监测大气中颗粒物来源，分析污染来源的连续变化趋势。　　跟咱啥关系：能测出大气中哪种污染物最多，政府据此可出台相应措施。比如如果查出主要污染源来自汽车尾气，可能在一定时间内就会实行单双号限行。　　姓名：3D可视激光雷达 身价：150万元　　江湖地位：全省一台全国共十余台　　必杀技：追溯污染源头判断未来趋势　　它可以从垂直和水平两个方向，分析大气颗粒物污染产生的过程，环保部门可根据分析结果，追溯污染源头，提出消减方案，判断未来污染趋势。邢延峰说，&ldquo 举个例子，如果一定区域内，有偷排粉尘的工厂，我们可以轻松锁定。&rdquo 　　跟咱啥关系：它能预测污染短时间内的变化趋势，如果有重大气象状况会及时向市民发布预警。　　姓名：空气质量预报计算机群组 身价：200万元　　江湖地位：全省就组装这一台　　必杀技：预测未来三天全省空气质量　　上述三台机器主要是监控空气质量，可为预报提供参考。但要说&ldquo 雾霾预报&rdquo 的功臣，可全要靠它了。　　它外表像个大冰箱，约两米高、一米多长，打开&ldquo 冰箱门&rdquo ，是一个电脑显示屏和几个计算机群组。&ldquo 前三个宝贝监测完毕后的空气污染源解析数据，可以输入到空气质量计算机群组中，数据作为参考数值，将进一步提高我省空气质量预报的精确度。&rdquo 邢延峰说。　　同时，邢延峰也向记者透露，全省的污染源解析报告将在年底前出炉。　　跟咱啥关系：提前做出空气质量预测，提醒市民出行时准备啥装备。

Ⅱ型糖尿病早期预测研究获突破中科院上海生科院营养科学研究所林旭团队和生物化学与细胞生物学研究所吴家睿、曾嵘团队在Ⅱ型糖尿病早期预测研究方面取得新进展。相关成果日前在线发表于《糖尿病护理》杂志。肉碱是转运长链脂肪酸进入线粒体内膜进行β氧化的重要载体，在线粒体脂肪代谢中起到重要作用。酰基肉碱作为肉碱代谢的中间产物，在动物研究中能反映早期的脂肪酸氧化失衡和线粒体应激状况。然而，酰基肉碱谱能否预测Ⅱ型糖尿病的发生仍不清楚。在“中国老龄人口营养健康状况研究”前瞻性追踪队列样本库的基础上，研究人员采用液相色谱—串联质谱法，对该项目2103名志愿者的血浆酰基肉碱谱进行了检测，并发现34种游离肉碱和酰基肉碱。分析发现，血浆特定酰基肉碱，尤其是长链酰基肉碱能显着增加Ⅱ型糖尿病的6年发病风险，并且独立于体质指数（BMI）、空腹血糖、糖化血红蛋白（HbA1c）等多种已知的传统风险因素。此外，受试者工作特征曲线（ROC）分析发现，若仅采用传统风险因素（如年龄、BMI、空腹血糖、HbA1c、糖尿病家族史等）建立的模型，其曲线下面积（AUC）仅为0.74。而当模型中加入特定酰基肉碱后，AUC显着增加到0.89（AUC越接近1，表示模型的预测效果越好）。因此，研究表明，酰基肉碱谱能显着增加Ⅱ型糖尿病早期预测的效能。

中科院上海生科院营养科学研究所林旭团队和生物化学与细胞生物学研究所吴家睿、曾嵘团队在Ⅱ型糖尿病早期预测研究方面取得新进展。相关成果日前在线发表于《糖尿病护理》杂志。　　肉碱是转运长链脂肪酸进入线粒体内膜进行β 氧化的重要载体，在线粒体脂肪代谢中起到重要作用。酰基肉碱作为肉碱代谢的中间产物，在动物研究中能反映早期的脂肪酸氧化失衡和线粒体应激状况。然而，酰基肉碱谱能否预测Ⅱ型糖尿病的发生仍不清楚。　　在“中国老龄人口营养健康状况研究”前瞻性追踪队列样本库的基础上，研究人员采用液相色谱—串联质谱法，对该项目2103名志愿者的血浆酰基肉碱谱进行了检测，并发现34种游离肉碱和酰基肉碱。分析发现，血浆特定酰基肉碱，尤其是长链酰基肉碱能显著增加Ⅱ型糖尿病的6年发病风险，并且独立于体质指数(BMI)、空腹血糖、糖化血红蛋白(HbA1c)等多种已知的传统风险因素。　　此外，受试者工作特征曲线(ROC)分析发现，若仅采用传统风险因素(如年龄、BMI、空腹血糖、HbA1c、糖尿病家族史等)建立的模型，其曲线下面积(AUC)仅为0.74。而当模型中加入特定酰基肉碱后，AUC显著增加到0.89(AUC越接近1，表示模型的预测效果越好)。因此，研究表明，酰基肉碱谱能显著增加Ⅱ型糖尿病早期预测的效能。

土壤水力参数，如田间持水量（FC）和永久萎蔫点（PWP），在灌溉管理、干旱风险评估和土地利用规划等方面发挥着重要作用。这些水力特性是动态的，随土壤类型、作物类型和生长季而变化。传统方法估算大尺度水力特性费时费力，而土壤传递函数（PTF）作为一种替代方法，已被用于使用易测量的土壤特性（如土壤粒级、有机碳和容重）来估计土壤水力特性。这些预测参数在很大程度上受各种内在土壤特性如土壤质地、结构、有机质、容重和孔隙度的影响。随着光谱技术的不断发展，因其快速、低成本和无损测量，许多研究者已经利用可见近红外（Vis-NIR）光谱预测了土壤特性，而使用光谱数据绘制印度土壤类型水力特性的研究非常有限。基于此，在本研究中，一组研究团队在印度卡纳塔克邦高原北部地区收集了558个土壤样本，在实验室中测量了其FC， PWP和土壤含水量，并利用ASD FieldSpec光谱仪测量土壤光谱反射率。通过支持向量机、随机森林和偏最小二乘回归三个模型预测FC和PWP。其中，2/3的数据集用于校准（368个样品），1/3的数据集用于验证（190个样品）。本研究目标为通过不同统计技术检验实验室Vis-NIR光谱数据估算水力参数的有用性。研究区域图【结果】卡纳塔克邦高原北部土壤光谱反射率分布（平均值和标准偏差）（N = 558）。FC和PWP预测模型的性能（50 次迭代）验证集FC和PWP预测值和观测值散点图（RF方法）（变性土-绿点，淋溶土-红点，弱育土-蓝点，新成土-黄点）。传统PTF方法预测验证集FC和PWP含水量的性能。【结论】验证结果表明，与PLSR模型相比，RF和SVM性能较好。与田间持水量（R2=0.66-0.69和RMSE=7.25-7.51%）相比，永久萎蔫点预测良好（R2=0.70-0.74，RMSE=5.44-5.74%）。在土纲中，Vis-NIR光谱（R2=0.34&0.42）对变性土FC和PWP的预测不佳，对淋溶土（0.44&0.52）和弱育土（0.55&0.65）的预测结果一般，而对新成土（0.83&0.76）预测结果较好。总体而言，结果与传统PTF方法相当。目前结果表明，可见近红外光谱有助于快速准确地估计该国半干旱地区的水力特性。

药物分析方法开发共性难点岛津技术团队在与行业用户专家和用户交流中，收集以下共性难点反馈：1、基质化合物组成极性范围宽，色谱峰容量不够。2、中药基质复杂，在对特征峰鉴定时可能受到目标物附近其他峰干扰，影响鉴定准确度。3、聚合物杂质检测通常采用排阻色谱法，对聚合物杂质进行笼统的总量控制，定量不准确，且无法鉴定聚合物杂质的结构。4、采用HPLC-UV法进行杂质测定，但该方法无法将HPLC中使用的不挥发性流动相直接应用到LC/MS分析中，或者流动相与质谱不匹配。针对以上行业分析难点，岛津多年来持续致力于多维色谱质谱联用解决方案开发，将多类型色谱分离优势和质谱分析优势进行结合。岛津多维液相色谱质谱解决方案全二维液质联用系统&中心切割1二维液质联用系统Nexera-e 全二维液相色谱仪《中国药典》0512高效液相色谱法通则：二维液相色谱可以分为差异显著的两种主要类型：中心切割式二维色谱和全二维色谱。中心切割式二维色谱是通过接口将前一级色谱中某一（些）组分传递到后一级色谱中继续分离，面对复杂基质环境时，将一维目标峰切到二维进行更好的分析。全二维色谱是通过接口将前一级色谱中的全部组分连续地传递到后一级色谱中进行分离，如此两个独立的分离模式正交组合可实现尽可能高的峰容量。二维色谱可以是相同的分离模式和类型，也可以是不同的分离模式和类型，二维色谱可以和质谱联用。详情参考：https://www.shimadzu.com/an/products/liquid-chromatography/hplc-system/nexera-e/index.html2全谱二维液质联用系统极性覆盖范围宽:可一针实现宽极性多目标物的同时分析，可以胜任绝大多数分析项目中宽极性、多组分分析的要求。该系统和岛津最新推出的LCMS-9050高分辨质谱正负极离子同时采集功能结合，能得到4in1技术优势--相比岛津前一代方案，可以节省3/4的样品、分析时间，并减少3/4的质谱污染。3 SEC-RPLC-QTOF二维液相色谱-高分辨质谱为了解决前述聚合物杂质鉴定难题，岛津与北京新领先医药科技发展有限公司合作搭建了SEC-RPLC-QTOF二维液相色谱-高分辨质谱检测平台。基于该平台二维杂质动态上样、在线脱盐等技术，以及岛津高分辨质谱仪的高质量准确度和高质量稳定性等性能特点，目前双方的研发人员共同参与完成了十四种β-内酰胺类抗生素的聚合物杂质的全面解析，并建立质谱数据库。详情参考：https://mp.weixin.qq.com/s/etytDIXLjrICzsNfHOKgAw。4 Trap-Free 二维液质联用系统Trap-Free 2DLC系统是一套支持在线流动相转换的二维液相与色谱-质谱联用仪的组合系统，系统结构示意图见图 1。本系统的第一维液相色谱系统，可使用非挥发性流动相或者与质谱分析不匹配的流动相体系，通过系统中切换阀、程序命令的组合,对第一维液相色谱系统分离的组分进行分馏。本系统的第二维液相色谱系统,可以采用适合 LCMS 分析的液相色谱条件，针对分馏的组分，进行针对性的质量分析。详情参考：https://support.shimadzu.com.cn/pdfweb/web/viewer.html?file=https://support.shimadzu.com.cn/an/downa/AP_News_LCMS-QTOF-053.pdf全谱二维液相色谱与四极杆飞行时间质谱联用分析不同产地当归的活性成分a) 正模式火山图结果 b)负模式火山图结果根据多元统计分析OPLS-DA 结果的 VP 值，可以初步筛选出甘肃产当归和云南产当归的差异活性物质，进一步筛选则通过结合单变量统计火山图结果(P-value 与Fold change) 进行。最终正模式下筛选得到 1351 个差异物质，负模式下筛选得到1716 个差异物质。通过 MSDIAL软件，对化合物进行鉴定，共鉴定出 43种差异性化合物,包括藁苯内酯类有机酸类等天然活性物质，下表为部分差异性化合物鉴定结果表。详情参考：https://support.shimadzu.com.cn/pdfweb/web/viewer.html?file=https://support.shimadzu.com.cn/an/downa/AP_News_LCMS-QTOF-073.pdf岛津携手阳光诺和揭示头孢西丁钠新颖聚合方式图1 头孢西丁钠破坏样品检测色谱图本方案一维采用HPSEC系统，磷酸盐流动相定位头孢西丁钠中的聚合物杂质，然后采用阀切换技术，使用500 μL定量环将聚合物峰全部转移至二维反相色谱，脱盐、分离并质谱鉴定。其中聚合物C1分子量较2分子头孢西丁少2个H（Mr. 852.09），根据其同位素比例和特征碎片离子信息，推断其为一分子头孢西丁7-位侧链与另一分子头孢西丁7-位噻吩环联结形成的，该新颖聚合方式尚未见文献报道。本研究建立了注射用头孢西丁钠聚合物检测的反相色谱方法，并探索其用于日常检验的可能性。C1一级质谱图（A）和母离子m/z 870的二级质谱图(B)（ESI+）详情参考：《Characterization of polymerized impurities in cefoxitin sodium for injection by two-dimensional chromatography coupled with time-of-flight mass spectrometry》.https://doi.org/10.1016/j.talanta.2023.125378二维液相色谱联用四极杆飞行时间质谱仪对赤芍配方颗粒特征图谱2号峰鉴定配方颗粒特征图谱（1D） 配方颗粒特征图谱（2D）一维液相特征图谱中的2号特征峰切入至 50 μL定量环进行收集，再由二维流动相进行洗脱，该组分在二维液相上的保留时间为 35.267 min。采用岛津 2DLC+LCMS-QTOF对赤芍配方颗粒特征图谱中2号特征峰进行了高分辨质谱定性研究。经 MS1、MS2质谱图信息、相关文献信息以及标准品确认，最终鉴定2号特征峰为原花青素 B1。本研究为中药配方颗粒特征成分研究提供了思路，为赤芍中药配方颗粒特征图谱标准制定提供参考依据。Trap-Free 2D LC Q-TOF 定性分析宫缩抑制剂阿托西班中的多聚体杂质阿托西班二聚体的[M+3H]3+峰分子式预测结果 阿托西班二聚体解卷积分析结果阿托西班三聚体的[M+2H]2+峰分子式预测结果 阿托西班三聚体解卷积分析结果针对多肽药物中的由两个或多个多肽组成的稳定的多聚体杂质，可利用体积排阻色谱法(SEC)分离相关杂质。本案例采用岛津Trap-free 2DLC+LCMS-9030，既能避免SEC的色谱条件与质谱离子源不匹配，也能有效解决液相色谱分析浓度过高而导致的质谱信号饱的问题。结果显示阿托西班二聚体和三聚体的 MS1的离子质荷比同理论值均小于1mDa。使用 Insight Explore 软件中解卷积功能预测目标物的分子量，预测分子量和理论分子量的误差小于3ppm。详情参考：https://support.shimadzu.com.cn/pdfweb/web/viewer.html?file=https://support.shimadzu.com.cn/an/downa/AP_News_LCMS-QTOF-053.pdf注：本文中所用数据均为岛津实验室特定条件下的测试数据，结果可能随实际情况变动文中涉及最佳、最低类描述，限于实验组别对比结果。本文内容非商业广告，仅供专业人士参考。

Modified from BRUCE GOLDMAN手术以后多久康复？血液会提前告诉你一切。每年有数以百万计的人接受各种大手术，但是没有人知道他们多久可以恢复。有些人几天会感觉明显好转，而对于其他人则可能需要一个月或更长的时间。对于具体某一个病人，医生也无法告诉他究竟属于那种类型。就在最近，斯坦福大学医学院的研究人员发现，在手术后的第一个24小时内，一小群免疫细胞的活性水平变化可以为预测病人的康复期提供有力的线索。基于此，他们可以预测病人何时将从手术引起的疲劳和疼痛中恢复，并重新站立起来。图一、斯坦福大学的新发现：A Fingerprint of Surgical Recovery在这项研究是基于对32个经过髋关节置换手术的中老年患者血样进行深入分析后得出的结论，该成果发表在今年9月24日发表的Science Translational Medicine.杂志上。这可能是迄今为止最全面的对于创伤后免疫系统反应特征的研究。斯坦福大学的研究者能有这一发现是因为他们使用了一个高度灵敏的技术——“单细胞质谱流式技术”。这是一种在Garry Nolan（斯坦福大学的微生物学和免疫学教授）的实验室中发展起来的新技术，它利用金属元素做为抗体的标签，质谱装置做为检测手段，可以同时检测免疫细胞表面以及内部的几十个生化特征，不但可以告诉我们这些细胞属于什么种类，还可以告诉我们他们的活性如何。图二、利用金属元素作为抗体的标签，CyTOF2质谱流式细胞仪可以对单细胞进行几十个通道的检测第一个24小时的重要线索“我们了解到，在手术后的第一个24小时，你会在血液中发现一些重要线索，这些线索为我们揭示了决定一个病人术后两周时状态的因素。”Martin Angst说，他是麻醉学教授、疼痛和手术期用药方面的专家，同时也是这项研究的共同通讯作者。图三、 Martin Angst教授这一发现可能会开创一个新型的个性化诊断方法——只需在术后检查病人少量血液样本，就可以预测他的恢复时间（斯坦福拥有相关方面的临时专利）。这种诊断可以帮助医生及早决定应该对哪位病人采用更优化的恢复方案，帮助病人告诉自己的亲人和老板大概的出院时间。充分理解研究中所发现的分子机制，可能会指导临床医生操纵免疫系统，从而让病人更快的恢复。“虽然每年超过2亿例的外科手术中绝大多数是小手术，”Angst说“但是，仅在美国，就有数以百万计的像髋关节置换术这样的大创伤手术，这些手术会引发患者显著的炎症反应。愈合与阻碍“炎症最初的爆发阶段对愈合过程非常关键，”Angst表示，“你需要释放这条‘猛龙’，但是你需要能够驾驭它。太多的炎症会导致恢复的延迟。”免疫系统的组件必须不断动态的调整自己的功能，以便加速而不是阻碍伤口的愈合。几年前，Angst参加了Nolan的一个讲座，讲座中介绍了质谱流式技术。它可以在单细胞上实现超过50种不同的表面和内部蛋白的同时测量，而标准的细胞分选流式通常最多能进行12-15个参数的测量。这个讲座促成了Angst和Nolan之间的合作，博后Brice Gaudilliere成为了他们合作的桥梁，他和Nolan的研究生Gabriela Fragiadakis一起成为本项研究的共同第一作者。图四、 Garry Nolan教授“质谱流式一次可以检测如此多的参数，这项特殊能力为研究人员提供了一个通向‘细胞灵魂’的窗口，”Nolan说，“我们不仅能识别免疫细胞的身份，还可以观察它的精神状态。”Nolan本人拥有Fluidigm公司的股权，这家公司生产了本研究中所用的质谱流式仪和相关试剂。该研究招募了32个没有其他疾病的患者，年龄大多是在50岁到80岁之间。他们都在斯坦福大学整形外科接受了初次全髋关节置换手术。研究组采集了他们的术前1小时、术后1小时、24小时、72小时以及术后4～6周的血液样本。这些样品在采集后被迅速送到Nolan的实验室进行质谱流式分析。在每个样本中大概分析了有近50万个细胞，这些细胞内外的35个蛋白的表达量都被精确检测。这些数据不但揭示了每个细胞的身份，还记录了隐藏在各个细胞内部的关键活动。图五、质谱流式技术可以实现对免疫细胞的精细分群在术后的六周内，患者每三天填写一次问卷调查，说明自己疼痛和疲劳的程度以及他们新髋关节功能恢复情况。瞄准关键指标斯坦福研究小组观察到手术后有一个“被精确协调的、细胞类型和时间特异的免疫反应模式”(Angst语)。该模式包括多种免疫细胞一连串协同的上升和下降过程，同时伴随着每种细胞内部的各种变化。“令人惊讶的是，这种手术后的表型出现在每一例病人中，” Angst说，“只是各类型细胞的数量和活性变化倍数各有不同。”有一个因素比较特别，手术后24小时与术后1小时之间，几个关键作用蛋白在一小群 “首先反应”的免疫细胞中的激活状态变化非常关键。这一因素关系到病人恢复过程中40%～60%的差异。这些“前线细胞”在手术后不久会显著增多，但和细胞内活动变化不同，其数量的增加与病人恢复时间的相关度并不强。图六、几个关键蛋白的激活状态和术后恢复呈现很强的相关性。在一个典型健康人血样中，这群细胞大约只占其白细胞总数的1～2 %，所以，使用低通量的检测技术时，它们内部的变化很容易被忽略掉。这项研究中观察到的相关性远强于以往所有关于炎症反应和临床康复关系方面的报道。这些研究一般只是监测了手术后不同时间点血液中各种分泌物的水平的变化或者不同细胞的转运情况。但是，这些研究缺乏同时观察众多参数的能力，因此无法知道在特定时间点是哪些免疫细胞正在向血液中分泌这些物质，或者此时其他类型的细胞都在干什么。预测恢复的可能途径“如果一个相关性只能解释恢复过程中百分之二甚至百分之十的差异，在临床上是可能不完全的相关，”Angst说，“而我们确凿的相关性则可能产生一个预测术后恢复的方法，这在临床中是非常有用的。”图七、利用血液检查预测术后恢复的方法有望用于临床虽然尚未证实，研究人员相信，这群活动模式与病人恢复过程最为相关的细胞群，是一个被称为“髓系抑制性细胞”的亚群，其他的研究显示它们对炎症具有抑制作用。这些细胞在癌症中起到负面作用，它们过度的活动似乎会抑制身体的免疫系统攻击肿瘤。但在手术后的背景下，他们的活动可能就是医生所希望的。现在，斯坦福的研究团队正打算看看他们是否能找出一个可以预测恢复速度的术前免疫特征。“如果我们能在术前预测病人恢复时间，”Gaudilliere说，“我们也许会看到病人受益于免疫系统的预先激活或者术前的各种干预措施，如物理治疗的等。它甚至可以帮助我们决定何时或是否应该对病人进行手术。”如果想要了解更多，请在电脑上登录东胜创新资料库网址下载学术pdf文档观看：http://s.oatos.com/hxsy3pClinical recovery fromsurgery correlates with single-cell mmunesignaturesBrice Gaudillière et al.

Research and Markets发布的最新研究报告显示，预计红外光谱市场将在2022年达到12.6亿美元，2016年至2022年之间复合年增长率为6.5%。　　红外光谱广泛应用于生物、制药、化学、食品饮料、环境、半导体等不同的领域，其中预计生物领域的复合年增长率最高。美国、德国、英国、意大利等国家在生物技术和制药工业方面的发展与进步将推动该行业的增长。　　预测期内，预计便携红外的市场增长速度将高于其他类型的红外光谱仪，这个市场的增长主要是由于便携式光谱仪具有很多优势，如工作流程的改善、空间需求的减小、维护更加简单等。市场中常见的便携红外主要是傅里叶变换原理的，称为便携FT-IR。不过，2015年，台式谱仪占据最大的市场份额。　　2015年，北美占据红外光谱最大的市场份额。预计，预测期内北美市场将主导红外光谱仪全球市场。政府在科研方面的投资增加，更加严格的药品管理法规和越来越多的食品安全问题是红外光谱北美市场增长的主要驱动因素 而亚太区预计市场增长速度最高。

小米米粉的主要营养成分为淀粉，淀粉和水混合成悬浮液，在经历加热、溶解、吸水膨胀过程后会出现淀粉糊化的现象，其糊化特征指标能为评价小米米粉食味品质、确定加工工艺提供重要数据支撑。目前，小米米粉糊化特征指标测定主要采用快速黏度分析（RVA），但在糊化特征指标测定过程中，待测样品的制备会破坏其理化特性，且样品制备操作流程繁琐，人工、时间成本较高，因此实现待测样品批量、快速检测存在一定困难。山西农业大学农业工程学院的王国梁、王文俊、李志伟*等设计一种高光谱数据提取、预处理分步运算程序，并提出利用SSA优化BP算法进行待测样品糊化特征指标回归、预测，旨在寻求一种简化高光谱数据提取、预处理流程的方法，并探讨SSA优化BP算法在小米米粉糊化特征指标回归、预测方面的优势，为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑。1、小米米粉糊化特征指标测定结果数据集统计结果如表1所示。小米米粉中淀粉含量占比不同会导致糊化特性不同，从表中糊化特征指标数据统计结果可以看出样本间糊化特性存在差异，而高光谱技术可以利用各样本反射率变化反映样本间成分含量的不同，因此通过运用数据处理技术利用高光谱反演样本糊化特征指标，可以实现小米米粉糊化特性的高光谱预测。2、高光谱数据提取与预处理01 小米米粉高光谱数据提取样品表面像素点间反射率存在差异，导致建模时若以少量点绘制成光谱特征曲线误差较大，为提高模型精度，结合高光谱成像技术优点，本研究采用图2所示采样方式。在ROI内提取大量像素点过程的选点规则如式（8）～（10）所示。02 小米米粉高光谱数据预处理采用小米米粉高光谱数据各个波段下反射率的算术平均值集合成平均光谱曲线。算术平均值在数据统计与分析过程中具有反应灵敏、确定严密、容易获得和受抽样变动影响小等特点，计算如式（11）所示。如图3所示，光谱曲线吸收峰主要集中在980、1 200 nm以及1 450 nm波长处，980 nm和1 200 nm波长处吸收峰主要受小米米粉淀粉含量的影响，而1 450 nm波长处为样品中水分子敏感波段。3、小米米粉糊化特征指标预测设置发现者、加入者和预警者比例为0.7∶0.3∶0.2，运行SSA优化BP算法。根据式（12）可得出运用SSA优化BP算法预测小米米粉糊化特征指标的最优适应度值。图4显示出小米米粉糊化特征指标随SSA优化BP算法迭代次数增加误差变化趋势，即随迭代次数的增加，7 条曲线均呈下降收敛态，其中SB、PT预测结果误差偏大，GT误差变化率较大，PV、BD预测结果误差较小。小米米粉糊化特征指标的最优迭代次数及适应度值如表2所示。以PV为例，从表2中可以看出，最优迭代次数为13，最优适应度值能达到0.050 8。为进一步显著观察预测值与测试值的关系，突出SSA优化BP算法优势，分别在测试样本集第1、10、20、30、40、50、60、70、80、90、100点设置观察窗口，将测试集PV、BP算法预测PV及SSA优化BP算法预测PV输出对比，如图5所示。如表3所示，SSA优化BP算法预测值MSE为0.017 5，而BP算法预测值MSE为0.026 6，SSA优化BP算法预测值MSE比BP算法明显降低。由表3可知，相较于BP算法，运用SSA优化BP算法求得其他小米米粉糊化特征指标预测值MSE均降低，表明SSA优化BP算法在提高小米米粉糊化特征指标预测精度、降低MSE方面具有普适性。综上所述，运用该优化算法可为高光谱成像结合计算机深度学习在小米米粉糊化特征指标预测方面提供理论支撑。结 论本实验以山西省长治市武乡县所收获小米研磨后的小米米粉为研究对象，获取358 份小米米粉高光谱数据集，通过光谱数据提取、预处理，并以该数据矩阵为基础，分别运用BP算法、SSA优化BP算法进行待测样品糊化特征指标预测，得到以下主要结论：1）运用光谱数据提取、预处理分布运算程序，对样本高光谱原始数据集进行批处理，能够标准化并简化光谱数据提取、预处理过程，从数据处理结果可以看出，该程序在粉末及小颗粒样本光谱数据的提取、预处理过程中具有普遍适用性；2）分别运用BP算法及SSA优化BP算法对小米米粉糊化各特征指标进行预测，从预测值与测试值间MSE可以看出，运用SSA优化BP算法能够提高小米米粉糊化特征指标预测精度，降低MSE，其中对PV的预测值MSE最低可以达到0.0175。本研究表明，运用高光谱数据提取、预处理分步运算程序可以简化提取小米米粉平均光谱数据过程，结合SSA优化BP算法可以对待测样品糊化特征指标进行预测，能够为高光谱成像结合计算机深度学习在小米米粉糊化特性预测方面应用提供理论支撑。

近日，中国科学院武汉植物园研究人员利用光谱技术建立了森林土壤光谱反演预测模型，从而较好地实现对高异质性森林SOC和TN的快速预测。森林土壤预测模型　　快速、廉价、准确地获取土壤中碳(C)、氮(N)含量信息是当前土壤质量评价和全球土壤碳库收支管理研究的基础和前提，而土壤空间异质性加大了人们对土壤属性动态监测的难度和成本。　　森林土壤是调控陆地生态系统碳收支平衡的重要基础。利用近地高光谱遥感技术实现多层次森林土壤C、N含量信息的快速、高效、无损、低成本建模估测，有望为当前土壤C、N动态研究及制图开辟新的途径，必将有助于加深对土壤C、N空间异质性及影响因素的理解，对于森林土壤碳库管理和持续经营具有重要意义。然而，受土壤层次的影响，土壤属性的高光谱反演模型的预测能力降低，限制了模型的应用。　　中国科学院武汉植物园助理研究员姜庆虎在研究员刘峰的指导下，以中亚热带(八大公山)森林不同层次土壤为例，利用光谱技术建立了该区表层和亚表层土壤有机碳(SOC)和全氮(TN)的光谱反演预测模型，从而较好地实现对高异质性森林SOC和TN的快速预测。其中，光谱模型对SOC预测的R2为0.79-0.90，对TN预测的R2为0.66-0.86。在此基础上，针对模型难以实现层次间的传递性应用问题，利用spiking法并借助加权算法，成功解决了这一难题，使得预测模型的传递性得到大幅提升。该研究的开展，为快速获取高异质性土壤属性信息提供了潜在的可能。　　该研究得到国家自然科学基金(31270515,31470526)和国家重点基础研究发展计划(2014CB954004)的资助，结果发表在Geoderma杂志上。

“沉睡三千年，一醒惊天下。”3月20日，在成都举行的“考古中国”重大项目工作进展会上，考古工作者宣布在三星堆遗址新发现了6座三星堆文化“祭祀坑”，并出土了巨型黄金面具、巨型青铜器等重要文物500余件，引起强烈震动，并持续霸屏网络热搜榜。那么这些出土文物有哪些寓意、象征和文化内涵呢？这还需要等待专家分析检测文物的材料和属性，以及结合更多的资料内容才能掀开古蜀文明的神秘面纱。图1 三星堆出土金面具（图片来源：新华网）图2 考古人员作业现场（图片来源：新华网）值得一提的是，这次三星堆遗址考古发掘和保护研究还有一大亮点，就是充分运用现代科技手段，实现考古发掘、科技考古与文物保护全过程紧密结合。在现代科技手段中，拉曼光谱作为一种无损、非破坏的分析技术，已被广泛应用在考古文物的材料鉴定和研究领域中。非常巧合的是，三星堆博物馆年初刚刚采购一台HORIBA的XploRA Plus 拉曼光谱仪，对于这批来自千年前的古代使者，如果使用了XploRA Plus 拉曼光谱仪，我们将会了解到哪些信息呢？让我们以这次三星堆出土的部分文物为例，大胆预测一下吧！预测一：丝绸——碳化机理有望揭示这次考古让人兴奋的是，在三星堆遗址祭祀坑终于发现了丝绸。而此前，在气候湿润的四川发现丝绸，似乎是遥不可及的难题。同时，埋藏地底的丝绸历经几千年，有的非常脆弱，有的甚至直接朽化，形貌很难保存，也就难以鉴别，本次丝织品痕迹也是在灰烬中被发现。如今拉曼技术却可以帮助我们做出一系列定性检测。对于最新出土的丝绸，拉曼可以帮助我们揭示古代丝织品的碳化机理，碳化程度的不同对于丝织品外观上的颜色有直接影响。而碳化过程中出现的非晶态碳质、碳化过程中蚕丝蛋白分子结构上酰胺键的变化等信息，都有助于我们了解碳化丝织品的微观上的特征，对古代丝织品的碳化机理和丝织品保护提供依据。除此之外，拉曼在古代丝织品文物的染料鉴定与分析方面也表现不凡，染料成分鉴定可以帮助我们了解其年代和工艺，为保护和修缮提供依据。 图3 三星堆发掘出的不规则碎块——丝绸的痕迹（图片来源：微博@新华视点）预测二：青铜器——制造工艺或可揭秘说起三星堆，就不得不说说青铜器。因为此前三星堆出土过大型青铜立人、青铜神树、青铜神像，轰动了国内外。另外，青铜器让人瞩目还因为青铜器时代有很多特征，开启了后来的历史。拉曼光谱在青铜器测试方面可说大有作为。譬如它在青铜器表面腐蚀物的锈蚀过程与机理的研究方面可以提供重要信息。拉曼测试可以获取腐蚀物的化学组成，这可以帮助我们了解青铜器制造工艺，例如在青铜冶炼中加入元素Pb提升流动性用于制成更精细的纹饰，青铜器表面出现PbO, PbCO3和PbCl2等腐蚀物。此外，拉曼还可以分辨有害锈蚀成分，推测青铜器的腐蚀原因，从而揭示不同地域环境影响下不同的腐蚀机理。这些信息对于文物的修复和保护极具意义。图4 此次出土的大型青铜器（图片来源：新京报网）番外：还原古风貌——XploRA Plus 优势多进入21世纪以来，拉曼光谱仪器的功能越发强大多样化，四川省文物考古研究院采购的LabRam Soleil和三星堆博物馆这次采购的XploRA PLUS全自动拉曼光谱仪，就非常具有代表性，尤其在考古领域中，优势突出：1. 针孔共焦，三维空间滤波它们的一大亮点体现在共焦针孔。共焦针孔在提升空间分辨率和抑制杂散光方面发挥着显著的作用。具体来讲，位于焦点处的信号恰好汇聚在共聚焦针孔处，全部通过共聚焦针孔，位于焦点之外的信号汇聚在共聚焦针孔以外，只有极少部分可以通过共聚焦孔。这样不仅提升了空间分辨率，适用于不均匀样品的微区分析，还能有效抑制周边物质的荧光干扰，一般文物如青铜器、象牙、丝织物等大都经历过漫长的土壤和水的侵蚀期，埋藏的环境十分复杂，会有一定的荧光背景，这正是它们的用武之地。2. 高度自动化操作, 功能强大的软件它们是一款高度自动化的拉曼光谱仪，激发波长和光栅均可一键切换，快速适应不同种类样品测试条件。功能强大的软件LabSpec 6, 提供完整的分析、测试功能，包括适用粗糙样品测试的新型EasyNav技术、数据采集、处理、分析和显示。LabStore中拥有丰富的可选应用，将软硬件智能化融合。图3 左：HORIBA拉曼光谱仪 XploRA Plus；右：LabRAM Soleil™ 高分辨超灵敏智能拉曼成像仪“蚕丛及鱼凫，开国何茫然。”古蜀国的文化起源一直披着神秘的面纱，此次考古新发现意义重大，一件件文物的亮相也逐渐揭开中华文明历史轴线。相信考古人员和现代仪器的合力，一定能够破解古蜀文明之迷。当然，希望拉曼光谱仪也可以在这次研究中助一臂之力，让炎黄子孙能够更好地了解古蜀文化，传承文明光辉。神秘的“堆堆”，拉曼光谱来了！

近日，记者从中国科学院东北地理与生态研究所了解到，该所在水体总悬浮颗粒物光谱预测研究中取得进展，相关成果发表在国际期刊《Journal of Environmental Management》上，中国科学院东北地理与农业生态研究所王翔博士为第一作者，宋开山研究员为通讯作者。据介绍，良好的水质是人类社会发展的关键，总悬浮颗粒物（TSM）是一个关键的水质参数，可以影响水的透明度、真光层深度和初级生产者，与水生态环境问题息息相关。传统的水体TSM研究主要通过大量的野外调查，费时费力。与传统的TSM分析相比，光谱和遥感技术在水体TSM估算研究中具有很大的优势。任何基于卫星影像的遥感估算都需要光谱特征分析，光谱研究是遥感制图的基础。针对TSM的遥感估算研究已有很多，大多都是以单波段或波段运算构建的经验模型。光谱微分技术也被广泛应用于水质参数的预测，但都是一阶微分或二阶微分的整数阶微分。尽管整数阶微分被应用于多个领域，但也会导致一些光谱信息丢失和噪声放大。本研究以从全国103个湖泊水库采集的392个水体样本光谱数据为研究对象，在光谱微分技术可以有效预测TSM的基础上，尝试使用以0.25阶为增量的分数阶微分技术构建TSM预测模型，可以弥补整数阶微分的缺点，在任意阶扩展，从而捕捉到更多的光谱变化信息。研究表明，分数阶微分增强了对TSM响应的500-600nm和800nm处的光谱特征；分数阶微分也提高了TSM与光谱信息的相关性；并且分数阶微分提高了模型的预测能力，0.5阶至1.25阶的预测精度较高。本研究可为其他水质参数预测和基于高光谱影像的水质参数制图提供参考。该研究得到了国家重点研发项目和国家自然科学基金项目共同资助。

ASD | 利用高光谱反射率预测温带落叶阔叶树木的叶片性状：通用模型可适用于整个生长季节吗？追踪生长季和地理区域中叶片性状的变化是理解陆地生态系统功能的关键。野外光谱法是原位监测叶片功能性状的有力工具，在农业、林业和生态学中都有许多应用，例如，叶片光谱已用于表征许多叶片理化特性，预测倍体水平，估计叶龄，甚至可以预测入侵植物对凋落物分解的影响。但目前尚不清楚是否可以开发通用统计模型来根据光谱信息预测性状，或是否需要根据条件变化进行重新校准。特别是，生长季多个叶片性状同时变化，是否可以从高光谱数据成功预测这些时间变化是一个悬而未决的问题。基于此，为了填补研究空白，在本研究中，一组国际研究团队利用标准实验室方法（包括光捕获和生长：N（%），δ15N（‰），δ13C（‰），叶绿素，可溶性C（%）和叶片含水量（LWC）；防御和结构：每单位面积的叶片质量（LMA g m-2）、总C（%）、半纤维素（%）、纤维素（%）、木质素（%）、总酚类（mg g-1）和单宁（mg g-1）；岩石衍生营养素：P（%）、K（%）、Ca（%）、Mg（%）、Fe（μg g-1）、Mn（μg g-1）、Zn（μg g-1）和B（μg g-1））和叶片光谱（利用光谱范围为350-2500 nm的ASD FieldSpec 3进行测量，在350-1000 nm，采样间隔为1.4 nm，在1000-2500 nm，采样间隔为2 nm）追踪了整个生长季的变化，研究了温带落叶树木多种叶片性状和光谱特性之间的联系。旨在回答以下问题：（1）常见物种叶片的理化性状在生长季如何变化？（2）叶片反射率在生长季如何变化？（3）生长季叶片理化性状和光谱之间是否存在可预测的关系，从而使叶片光谱能够不受时间限制地远程追踪森林生态系统功能的变化？然后评估叶片光谱是否可以在季节效应的影响下稳定地捕获叶片性状，为通过机载和星载传感器的高光谱成像进行大尺度叶片性状调查奠定基础。【结果】理化性状和光谱在整个生长季变化很大，虽然6月和9月之间收获的成熟叶片变化较小。重要的是，叶片光谱可以准确预测大多数叶片性状的季节性变化，成熟叶片的预测精度通常较高。然而，对于一些性状，PLSR估算模型因物种而异，单一PLSR模型不能用于物种水平的准确预测。8个落叶树种叶片光谱及其变异性（平均反射率（a）和变异系数（b））的季节模式。2017 年 5 -10 月，不同季节对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。2017 年 5-10 月，不同物种对英国剑桥Madingley林地21种叶片性状全/特定光谱数据最佳PLSR性能的影响。【结论】叶片光谱可成功预测整个生长季多种功能性叶片性状，为机载和星载成像光谱技术监测和绘制温带森林植物功能多样性奠定了一定基础。请点击下方链接，阅读原文：https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650309890&idx=1&sn=9bddcb74cbb31a26c18ad6aee87f4344&chksm=bee1a9fd899620ebd02f200799a9370626a1d8b6fee07375ad2580b562fa8ad686a495393775&token=1524960455&lang=zh_CN#rd

p style="line-height: 1.5em text-align: justify text-indent: 2em "根据国外网站发布的最新调研报告显示，2019年全球质谱市场预计约46亿美元，而2024年该市场将达63亿美元，预测期间年span style="text-indent: 2em "复合增长率为6.7%。市场的增长，主要有以下因素驱动：政府针对污染控制以及环境监测的举措，全球药品研发支出的增加，政府在药品安全方面的相关法规，对食品质量的关注度的不断提高，原油和页岩气产量的不断增长，以及质谱仪技术的不断进步。/span/pp style="line-height: 1.5em text-align: justify text-indent: 2em "该调研将质谱仪市场划分为串联质谱(包括三重四极杆、四极杆飞行时间质谱、傅里叶变换质谱)、单质谱(包括单四极杆、飞行时间、离子阱质谱)，以及其他质谱。而其中，串联质谱具有快速、高分辨等优点，可以检测出更精准的结果，这些优点正在增加其使用范围。预计，在预测期内这类质谱量将出现最快的增长。/pp style="text-align: center"img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202001/uepic/ed54010e-da44-4e3e-841b-fce9d1ae660a.jpg" title="mass-spectrometry-market7.jpg" alt="mass-spectrometry-market7.jpg"//pp style="line-height: 1.5em text-align: justify text-indent: 2em "质谱被广泛用于小分子及大分子化合物的准确分析，包括在药物，法医和临床研究以及其他领域。质谱分析应用市场可细分为制药和生物技术、环境、食品和饮料、石油化工以及其他应用。其中，制药和生物技术应用领域在2019年占据了最大的市场份额，这一趋势预计将在预测期内持续下去。该细分市场占据最大份额可以归因于对生物仿制药，植物药和再生医学的需求的增加。/pp style="line-height: 1.5em text-align: justify text-indent: 2em "北美市场目前占据质谱市场的主要份额，预计在预测期内将持续占有这一地位。诸如，美国正在不断增加用于科研和政府措施的相关资金，质谱在代谢组学以及石化部门等的广泛应用，以及CFI(Canada Funding for Innovation)对质谱项目的资金投入，都在推动着北美质谱市场的增长。近期，美国页岩气和原油产量显著增长的同时，也伴随着油田数量以及类似质谱仪这样的分析工具使用量的增加。/pp style="line-height: 1.5em text-align: justify text-indent: 2em "报告也指出，目前质谱市场的主要供应商包括：SCIEX(美国)、安捷伦(美国)、赛默飞(美国)、沃特世(美国)、岛津(日本)。这些头部企业具有全面的产品组合以及广泛的地域分布。除此之外，包括珀金埃尔默(美国)、布鲁克(美国上市)、耶拿(德国)、日本电子(日本)、理学(日本)、DANI(意大利，已经被珀金埃尔默收购)、力可(美国)、Hiden Analytical (英国)、Kore Technology (英国，雪迪龙控股), Extrel CMS (美国), MassTech (美国), 阿美特克 (美国), MKS Instruments (美国), Advion (美国，博晖创新收购), FLIR(美国)。/ppbr//p

p　　MarketsandMarkets最新的研究报告显示，预计2018年环境检测设备市场为21亿美元，2023年该市场将增长到29亿美元，预测期间的复合年增长率为7.1%。世界范围内环境污染问题的增加、环境保护条例的增加及政府的重视、环境检测服务的私营化以及对废水处理的日益重视等均是推动该市场增长的重要因素。/pp　　按产品类别来说，该市场可以细分为质谱、色谱、分子光谱、TOC分析仪、pH计、溶解氧分析仪、电导率传感器、浊度计等产品。预测期间质谱仪将主导该市场的发展，其增长速度也最快。质谱是研究小分子和挥发性分子的一种非常独特的手段，也是环境检测设备市场增长的最主要的驱动力。GC-MS系统的各种技术改进也在一定程度上促进了质谱仪器在环境检测市场中的应用。/pp　　环境检测设备广泛应用于饮用水质量检测、农药筛选、土壤样品污染评价等。按照应用市场来说，该市场可以划分为水质检测、空气检测和土壤检测。2018年，水质检测占据了最大的市场份额，而且预计预测期间这一趋势将持续下去，这主要归因于世界范围内工业活动增加导致的工业废水数量的增加。/pp　　全球环境检测设备市场的主要供应商有: Agilent、Thermo Fisher Scientific、Waters、Shimadzu、Bruker、PerkinElmer、SCIEX、JEOL、Analytik Jena、Merck等。/ppbr//p

p style="text-indent: 2em "12 月 1 日，谷歌旗下的 DeepMind 公司宣布，其strong新一代 AlphaFold 人工智能系统/strong在国际蛋白质结构预测竞赛（CASP）上击败了其余的参会选手，strong精确预测了蛋白质的三维结构/strong，strong准确性可与冷冻电子显微镜（cryo-EM）、核磁共振或 X 射线晶体学等实验技术相媲美。/strong/ppbr//pp style="text-indent: 2em "（详见《解决生物学 50 年来的重大挑战！生物界「AlphaGo」精准预测蛋白质结构》）这一消息引发了全球媒体关注，前 Genentech 首席执行官 Arthur D. Levinson 博士盛赞这一成就是strong「划时代的进步」/strong。/ppbr//pp style="text-indent: 2em "人工智能的「进击」对生物学、对其他学科会有什么影响？网络上有人提出：strongAI 都能解蛋白质结构了，结构生物学家是不是该失业了？/strong/ppbr//pp style="text-indent: 2em "《返朴》总编、结构生物学家颜宁特邀几位同仁对这一新闻各抒己见， 回答大家的疑问。/pp style="text-align: center text-indent: 2em "img style="max-width: 100% max-height: 100% width: 558px height: 618px " src="https://img1.17img.cn/17img/images/202012/uepic/73bb911a-86ca-490b-a90a-f01fb76aa418.jpg" title="微信图片_20201204191414.jpg" alt="微信图片_20201204191414.jpg" width="558" height="618"//pp style="text-align: center text-indent: 2em "span style="font-size: 12px "by Asier Sanz | https://asiersanz.com//span/ppbr//pp style="text-align: center text-indent: 2em "strongAlphaFold2 是个大突破，但我们还有努力的方向/strong/ppbr//pp style="text-align: center text-indent: 2em "张阳/pp style="text-align: center text-indent: 2em "（ITASSER 创造者，美国密歇根大学教授）/ppbr//pp style="text-indent: 2em "AlphaFold2 显然是蛋白质结构预测领域的重大突破。这可能是从 1969 年第一篇 Journal of Molecular Biology 用比较建模方法预测蛋白质结构发表 51 年以来最大的突破。/ppbr//pp style="text-indent: 2em "这个领域过去 20 年来，进展一直比较缓慢，但最近几年，随着共同进化、接触图预测以及引入深度学习之后，很多软件，比如 I-TASSER 和 Rosetta 等，都有了很大进步。/ppbr//pp style="text-indent: 2em "就 I-TASSER 来讲，两年前在第 13 届 CASP（CASP13）时，它能够正确预测的非同源蛋白数目比其六年前在 CASP11 上提高了 5 倍。这次 CASP14 也比 CASP13 的预测能力提高了很多。但 AlphaFold2 这次比上次进步更大，和两年前的上一个版本相比， AlphaFold2 的主要变化是直接训练蛋白质结构的原子坐标，而不是用以往常用的、简化了的原子间距或者接触图。/ppbr//pp style="text-indent: 2em "传统上，蛋白质结构预测可以分成基于模板和从头预测，但是 AlphaFold2 只用同一种方法 —— 机器学习，对几乎所有的蛋白质都预测出了正确的拓扑学的结构，其中有大约 2/3 的蛋白质预测精度达到了结构生物学实验的测量精度。这说明，至少是在单结构域的蛋白结构，他们接近解决了这个问题。/ppbr//pp style="text-indent: 2em "谷歌这次为什么能够取得如此大的成功？/ppbr//pp style="text-indent: 2em "这首先与它们拥有强大的人力和计算资源有关。/ppbr//pp style="text-indent: 2em "计算机上，他们使用 TPU（据他们的宣传是比 GPU 快 15 倍），学术界的实验室只有 CPU 或者 GPU，而很多实验室都还没有 GPU。他们对媒体宣传中说 Alphafold2 最后只用相当于 100 个 GPU 的资源训练了两周就产生了最后的模型，学界大多数实验室都可以做到，这是不客观的。因为产生一个新的想法，到训练成功的模型，中间起码要反复测试重复 100 次甚至 1000 次。这就像吃了十个馒头的饿汉一 样，不能说吃了最后一个馒头吃饱了，就觉得只吃最后一个馒头就够了。/ppbr//pp style="text-indent: 2em "另外，他们可以高薪招聘大量专业人才，集中精力攻关一件事，不需要担心基金申请、教学和学生毕业论文等等。这些人力和计算资源上的差别是谷歌 DeepMind 这样的工业研究机构比起学术界在攻关科学或者工程问题上的最大优势。/ppbr//pp style="text-indent: 2em "当然，学术界在蛋白质结构预测这么多年的积累，也给 AlphaFold2 的成功奠定了基础。/ppbr//pp style="text-indent: 2em "我自己很高兴他们取得了这么大突破。这个工作首先证明了蛋白质结构预测问题是可以被解决的。这其实不是一个简单的问题，因为蛋白质结构和序列的复杂关系，常常让人们 —— 特别是做结构预测的人 —— 怀疑，蛋白质折叠这个问题是不是可解， 或者有没有唯一解。/ppbr//pp style="text-indent: 2em "我们在 15 年前的一篇 PNAS 论文中提到，用 PDB 库中的模板，在理论上可以解决 “单结构域蛋白质结构预测” 这个问题，但那是一个基于模板的传统解法， 难点是如何找到最好的模板。谷歌他们这次用「暴力」的机器学习，「暴力」地解决了这个问题。这个做法的成功会对很多相关领域都产生深远影响。/ppbr//pp style="text-indent: 2em "有人说这个 AlphaFold2 会让很多相关行业的人失业。我认为恰恰相反，它给很多领域提供了解决问题的新途径和新思维，因而会极大推动相关领域的发展，因此会产生更多更大的机会。即便是在蛋白质结构预测这个相对较小的领域，我们还有很多事情要做。/ppbr//pp style="text-indent: 2em "AlphaFold2 这次只有 2/3 的蛋白预测做到实验精度，还有 1/3 做不到，是否还有更快更好的途径来产生更高精度结构的算法？基于商业或其它考虑，我相信谷歌可能不会公开代码或 Server。/ppbr//pp style="text-indent: 2em "所以，最终可能还得学术界的同行共同努力，完善和推广这一技术，让其真正惠及生物医学研究以及普通公众的健康需求。/ppbr//pp style="text-align: center text-indent: 2em "strong共赢大于竞争/strong/ppbr//pp style="text-align: center text-indent: 2em "龚新奇/pp style="text-align: center text-indent: 2em "（中国人民大学数学科学研究院教授，清华大学北京结构生物学高精尖中心合作研究员）/ppbr//pp style="text-indent: 2em "2020 年第 14 届国际蛋白质结构预测竞赛（CASP14）共有 84 个常规（Regular）题目，其中有 14 个题目因为生物实验没给出确定结构等原因被取消或延缓，其他 70 个题目的单体和复合物蛋白质所含有的氨基酸个数从 73 到 2180 不等。/ppbr//pp style="text-indent: 2em "19 个国家的 215 个小组参加了 CASP14。最终，谷歌旗下 DeepMind 公司的人工智能系统 AlphaFold2 在 2018 年的 Alphafold 基础上迭代创新，超常发挥，一枝独秀，基本解决了「从氨基酸序列预测蛋白质结构」这个困扰人类 50 年的生物学第二遗传密码问题。/ppbr//pp style="text-indent: 2em "AlphaFold2 的成功表现在三个方面：/pp style="text-indent: 2em "1.不少结构的预测精确度跟实验晶体结构相当，可以替代晶体结构；br//pp style="text-indent: 2em "2.一些含有多个结构域的复杂超长的单链结构也达到了可以跟实验结构比较的程度；/pp style="text-indent: 2em "3.帮助解析了竞赛中涉及到的、实验多年没拿到的 X 射线晶体和 cryo-EM 冷冻电镜结构，比如 T1058 的膜蛋白是用了 Alphafold2 的预测模型之后，才跟原有晶体学数据综合成功解析了结构。br//pp style="text-indent: 2em "AlphaFold2 团队的 John Jumper 报告表明，他们使用了基于注意机制的神经网络，动态调整网络中节点的顺序和链接；依靠的是端到端的优化整体构建结构，而不是氨基酸距离；网络中内置了大量的序列、结构和宏基因组等多重比较信息；还依赖分子模拟软件优化去掉了原子的堆积碰撞。/ppbr//pp style="text-indent: 2em "在 AlphaFold2 的摘要作者名单里，交叉团队的 30 位作者中有 19 位都被标记为相同贡献的第一作者。他们将近 8 分钟的宣介视频，记录了团队成员在新冠疫情期间精诚合作、攻坚克难的宝贵场景。/ppbr//pp style="text-indent: 2em "CASP 组织者 John Moult 指出，计算下一步还有更困难的问题要解决：超大复合物结构、动态构象变化、蛋白质设计、药物设计等等。/ppbr//pp style="text-indent: 2em "除了我们蛋白质结构预测小同行对 AlphaFold2 的成功很欣喜之外，社会上还有多个不同方向的学术界、产业界和新闻界对它寄予了厚望。/ppbr//pp style="text-indent: 2em "在欣喜的同时，蛋白质结构预测小同行也有一些保留意见：/pp style="text-indent: 2em "1.工程化明显，依赖于强大的 GPU 计算资源和代码优化团队；br//pp style="text-indent: 2em "2.谷歌公司几乎可以收集全球所有网络信息，虽然看起来 AlphaFold2 的自动化程度很高，但他们在人工操作中使用了哪些信息值得关注；/pp style="text-indent: 2em "3.预测对了结构，但不等于明白了蛋白质折叠过程和原理。/ppbr//pp style="text-indent: 2em "strong生物实验科学家也有不少看法：/strong/pp style="text-indent: 2em "1.算出结构只是生物学规律发现的第一步；/pp style="text-indent: 2em "2.计算的多个 models 中，有时打分排序不准；/pp style="text-indent: 2em "3.开放 AlphaFold2 的 server 之后，使用效果不一定那么好；/pp style="text-indent: 2em "4.只是在已有蛋白质结构数据集上训练得到的模型，尚不能计算其它构象或其它类别的分子结构。/pbr/p style="text-indent: 2em "还有关心这个领域的其他方向的专家也提出了问题：怎么理解这个算法成功的原理？怎么跟原有的热力学、物理学等基本原理相融相通？/ppbr//pp style="text-align: center text-indent: 2em "我认为 AlphaFold2 是个大突破，后续可能性很多，会替代一些简单的结构生物学实验，但对当下科学家追求的前沿生物学来说，共赢大于竞争；对生物学、数学和计算机学等学科而言，则会带来新的机遇。br/br/strong技术服务于科学探索，结构生物学早就进入新时代/strongbr/颜宁/pp style="text-align: center text-indent: 2em "（美国普林斯顿大学雪莉?蒂尔曼终身讲席教授，美国科学院外籍院士）/ppbr//pp style="text-indent: 2em "首先，简单说一下，什么是生物学里的「结构」。/pbr/p style="text-indent: 2em "用个不太恰当的类比：变形金刚。比如擎天柱是辆车还是个机器人，这就是不同的结构了，机器人能打架大车做运输，功能也不一样。而不同的汽车人组成成分可能差不多，都有合金、玻璃、橡胶，但是形态各异，特长也不一样。br/生物分子的组成成分和基本单元就那么几种，但是组装起来，不同的序列不同的结构，于是功能各异、五花八门。这个结构不是静止的，每一个生物大分子基本都像个小机器，比变形金刚更复杂、更变化多端。/ppbr//pp style="text-indent: 2em "因为结构决定了生物大分子的功能，所以解析高分辨率结构在过去几十年一直是理解生物大分子工作机理最有力的工具。但是一直以来，因为技术局限，对于绝大多数生物大分子的结构解析困难重重。所以，一批科学家另辟蹊径，试图在已有的知识基础上，绕开劳心劳力又劳财的实验步骤，从蛋白质的序列直接通过计算预测出它们精准的三维结构。/ppbr//pp style="text-indent: 2em "蛋白结构预测并不是一个新鲜学科，一直以来就是结构生物学的一个分支，很多科学家不断开发算法，希望根据序列预测出来的结构越来越准确。br/这个领域在过去十几年进步迅速，并且与实验结构生物学融合度越来越高。比如，自从进入电镜时代，看到一堆黑白灰的密度，如果其中某些部分没有同源结构，通过软件预测一个大致的结构模型，放到密度图里面做框架，再根据实验数据调整，已经是个常规操作。/ppbr//pp style="text-indent: 2em "这次人工智能赢得 CASP 的新闻亮点有两个，一是 AI，二是准确度高。这确实是突破，但是有了两年前的新闻（注：2018 年，DeepMind 开发的第一代 AlphaFold 首次参加 CASP 并且拔得头筹）做铺垫，现在这次委实是意料之中。br/至于衍生出来的所谓「结构生物学家都要失业了」的调侃 —— 如果你对结构生物学的理解还停留在 20 年前，那这么说也不是不行。但是结构生物学自身一直在发展着，一场冷冻电镜的分辨率革命更是令结构生物学不同往日了。br/我在 2015 年主持一个学术研讨会的时候曾经评论过：结构生物学的主语是生物学，是理解生命、是做出生物学发现。br/但是，在 X - 射线晶体学为主要手段的时代，获得大多数研究对象的结构本身太难了，于是很多研究者把「获得结构」本身作为了目标，让外行误以为结构生物学就是解结构。但我从进入这个领域之初，就被教育得明明白白：结构本身只是手段，它们是为了回答问题、做出发现。而电镜使得「发现」二字尤为突出。br/br/看到结构本身、知道你的研究对象长啥样，倒也可以称之为发现，但我刚刚说的「发现」，特指那些超乎想象的、通过结构才揭示出来的、自然界里神奇的存在或者令人叹为观止的机理。/pbr/p style="text-indent: 2em "我讲课最喜欢举的例子之一就是施一公组的剪接体结构。为啥呢？因为它集合了结构生物学发现里几乎所有的精彩要素和挑战。br/br/第一，在剪接体结构出来之前，有很多剪接体的组分甚至是未知的。不同于传统的结构生物学，先知道你要研究对象是啥，再吭哧吭哧地去把它们的结构解出来 —— 剪接体的电镜分析是看到了密度图之后，完全不晓得这是啥，需要通过质谱等手段去鉴定组分。我从 2015 年就预测：电镜与质谱组合，将会变成一个重要的生物学研究发现手段。在电镜时代，这样的例子越来越多。比如清华大学隋森芳老师组的那个巨大的藻胆体结构，靠质谱都不够了。为了搞明白组分，他们甚至先做了基因组测序。br/br/第二，几十上百个蛋白如何众星捧月地把那么几条貌似简单的 RNA 掰成与几个小小的金属离子配合的核酶反应中心，在茫茫碱基中，在正确的时间正确的地点牵线搭桥，剪掉 intron（内含子），连接 exon（外显子）？就为了这一「剪子」 一「钩针」，为了几毫秒的过程，这么个庞然大物的几十上百个组成部件却要分分合合，这个过程是真神奇。/ppbr//pp style="text-align: center text-indent: 2em "img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/202012/uepic/72bc97e7-d254-461b-b199-1156f73a37c8.jpg" title="微信图片_20201204191624.jpg" alt="微信图片_20201204191624.jpg"//pp style="text-align: center text-indent: 2em "span style="font-size: 12px "施一公实验室报道的首个酵母剪接体的结构/span/pp style="text-align: center text-indent: 2em "span style="font-size: 12px "（图源：生物化学经典教材 Lehninger Principles of Biochemistry（第七版）封面）/span/pp style="text-align: center text-indent: 2em "span style="font-size: 12px "br//span结构生物学目前的实验手段只能获得静止的 3D 照片，为了揭示这部电影，就要不断获得中间态的 3D 照片，帧数越多，电影越精准。但即便如此，这个过程中的动力学问题，简单说，就是变化速度，依旧不是现在的结构生物学实验手段可以揭示的，需要借助更多生物物理技术、计算生物学手段去探索。br/我自己的工作虽然没有剪接体那么酷炫，但是电压门控钠离子通道如何感受膜电势的变化，开门关门，就这么个过程，听着简单，我们死磕三年了，依旧束手无策。另外，我们今年发的两篇 PNAS 论文其实代表了结构生物学的另一个努力方向：在实验操作过程中对生物大分子施加外力（电场、磁场、各种长度的波......）。br/也许是受到我自身专业领域的局限，AlphaFold 迄今带给我的震撼还赶不上冷冻电镜的革命，后者将我们从技术挣扎中解放出来，可以专注于结构带来的生物学发现本身。br/br/AlphaFold 目前最成功的预测是针对单链分子，当然将来预测复合物的高精结构也应该不在话下。相比于对蛋白折叠的贡献，我倒是更希望 AI 能够助力 Molecular Dynamics Simulation（分子动力学模拟）。对结构生物学而言，这个领域才是亟需进步的。br/br/我个人认为生命是地球上最神奇的存在，那么多未知要探索，任何一次技术进步都是契机。该考虑的是如何把新技术为我所用，去问出、去探索更有意思的问题。br/最后，当 AI 能够成功预测我们正在孜孜以求的生物大分子动态、原位高分辨率结构的时候，那失业的一定不止是结构生物学家、或者生物学家了 :pbr/br/strong各抒己见/strong/pp style="text-indent: 2em "strongbr//strong根据现在披露的结果，AlphaFold2 已经基本达到实验解析结构的精度。前天 AlphaFold2 团队的报告展示了新冠病毒 SARS-COV-2 的预测结果，说明 RNA 聚合酶这么大的蛋白也能基本预测准确。/pbr/p style="text-indent: 2em "理论上，这会对结构生物学有很大冲击，尤其是以后单颗粒 cryo-EM 的实验方法上，是否还需要把分辨率做得那么高？低分辨率的电子密度图，甚至 SAXS 数据结合预测结果应该就能解决问题了。br/但是，现实中的冲击不会那么大。这是因为，AlphaFold2 模型的创新性非常高，其中结合的 2D transformer 和 3D equivariant transformer 都是 AI 领域的前沿技术，模型的训练难度很大。/pbr/p style="text-indent: 2em "DeepMind 的训练方法在学术界很难复现，估计学术界要花几年的时间才能跟上，因此短期内 AlphaFold2 对结构生物学的影响会比较有限。DeepMind 可能会和个别实验室合作，预测蛋白质结构。/pbr/p style="text-align: right text-indent: 2em "—— 龚海鹏（计算生物学家，清华大学结构生物学高精尖创新中心研究员）/pbr/br/p style="text-indent: 2em "AlphaFold 为结构生物学家提供了除晶体学、冷冻电镜、NMR 以外的另外一种手段，用于揭示生物大分子发挥作用的分子机制。/pbr/p style="text-align: right text-indent: 2em "—— 张鹏（结构生物学家，主要利用晶体学和冷冻电镜技术；中科院分子植物科学卓越创新中心研究员）/pbr/br/p style="text-indent: 2em "AlphaFold 目前还不能预测复杂的分子机器，主要是因为蛋白 - 蛋白相互作用非常复杂，存在极多的可能性。实验手段所揭示出来的蛋白 - 蛋白相互作用方式还只是冰山一角，更何况在不同生理条件和过程中的结构变化。因此，未来对有特定功能的、多个成分组成的、生物大分子复合体的结构解析，以及体内的结构分析，将成为结构生物学实验研究的主要内容。无论有没有 AlphaFold，结构生物学也正在朝这个方向发展。/pp style="text-indent: 2em "Rosetta（注：从头蛋白结构建模算法）也好，AI 也罢，结构预测都是基于已有的实验数据够大。没有足够的数据积累，这些基于统计和数据库的预测就无法实现。完全基于物理学和化学第一性原理的结构预测还没有出现。br/实验科学永远是探索未知的必要手段。新的软件算法应该是成为实验科学家的更有力工具，而不是取代实验科学。/ppbr//pbr/p style="text-align: left text-indent: 2em "—— 王宏伟（cryo-EM 专家，清华大学结构生物学高精尖创新中心执行主任，清华大学生命科学学院院长）br/br/br/br/ 最近两年，结构生物学领域经历了与围棋界类似的故事。Alphago Fan 版本时围棋界并不认为它能够战胜人类顶尖高手，可是 Alphago Lee 后整个围棋界甘拜下风，并且转向 AI 拜师学艺。2018 年 Alphafold 出现时，实验结构生物学领域认为被战胜的仅仅是传统的结构预测领域，2020 年 Alphafold2 之后，实验结构生物学领域应该开始思考如何与之共存以及如何「拜师学艺」了。/pp style="text-align: left text-indent: 2em "br/ 目前阶段人工智能在围棋上已经远远超过人类顶尖棋手，但是人类围棋比赛并未因此取消，如同汽车发明后奥林匹克仍然在进行田径比赛一样。原因之一是人工智能虽然超越了人类，但并未解决围棋的最终解。同样的道理，对于复杂的结构生物学问题，预测手段本身还不能号称完全解决了问题。/pp style="text-align: left text-indent: 2em "br/ 实验结构生物学领域接下来需要做的一个事情是要拥抱变化，更好地与预测方法结合以及共同发展。/pbr/p style="text-align: right text-indent: 2em "—— 周强（cryo-EM 专家，西湖大学生命科学学院特聘研究员）/ppbr//ppbr//pp style="text-indent: 2em "蛋白质体系越大，结构的解析越难仅依赖计算方法。Cryo-ET (冷冻电镜断层成像) 技术擅长解析体外难表达的大分子机器结构、细胞中的原位蛋白结构等复杂体系，因此很难被脱离实验手段的方法取代。目前，由于体系过于复杂，使用分子动力学模拟整颗病毒尚未实现，要模拟细菌、细胞、组织，还要很长的路要走。/ppbr//p

仪器信息网讯 由中国仪器仪表学会分析仪器分会质谱仪器专家组主办的“第五届质谱仪器研发论坛”于2022年8月27日在北京怀柔区举办。本次论坛以“核心部件、高端仪器、应用及产业化”为主题，邀请了多位质谱研发和应用领域资深专家分享质谱仪技术新进展、新成果、产业发展新动态以及质谱技术和产业发展新趋势。会议现场随着精准医学和个体化诊疗的发展，临床诊断的重心正逐渐趋向于“精准”,先进的检测技术是实现精准诊断的前提。近年来，“大热”的质谱分析技术，在生命组学、精准医疗及临床医学中也发挥着越来越大的作用。随着质谱技术的发展及普及，其在临床诊断中的应用场景也越来越多。美国临床质谱检测占医学检测市场约15%，第三方检测推动其持续快速发展，未来占比有望继续扩大。而国内质谱检测在医学检测中的占比约为1-2%，中期潜在市场空间有300亿元，长期想象空间更大。目前质谱技术在我国临床诊断中应用最多的：一是基于MALDI-TOF MS（基质辅助激光解吸飞行时间质谱技术）的微生物鉴定和核酸分析；二是基于LC-MS（液相色谱-质谱联用技术）的维生素系列检测、类固醇激素检测（内分泌检测）、药物浓度监测和遗传代谢病筛查等。除此之外，还有用于检测尿液中代谢产物和毒物筛查的GC-MS（气相色谱-质谱联用技术）、用于检测微量元素含量的ICP-MS（电感耦合等离子体质谱技术）等。本次会议在内容设置中也邀请了国内相关质谱企业、医院专家代表以及科研专家共同就中国临床质谱技术与产业化发展等话题展开了一系列探讨。仪器信息网编辑特别整理了报告精彩内容，以飨读者。关于本次会议质谱仪器研发相关报告内容见：“做中国自己的质谱”是我们不变的理想！《呼气质谱检测在临床中的应用》上海市肺科医院 何雅億我们的每一口呼气都包含着可反映我们身体各器官生理状态、病理状态的生物信息，这些生物信息可以作为疾病诊断和健康监测的依据。在疾病研究中，采用呼气代谢组的思路，以质谱分析方法通过研究健康人群和疾病人群呼气图谱，发现具有统计学意义的差异成分，进而相关的研究学者对相关成分进行鉴定或采用模式识别算法建立统计学模型，用于疾病早期诊断与精准治疗。报告主要介绍了呼气质谱技术在不同疾病研究中的应用进展，比如新型冠状病毒肺炎（COVID-19），目前有研究证实GC-MS检测呼气生物标志物能够识别COVID-19患者。由于呼气质谱技术的无创性和连续采样可能性，相信未来该分析技术具有巨大的临床潜力。《液相串联质谱在妇幼疾病诊断中的应用》北京妇产医院临床质谱检验中心主任 曹正在妇科领域中，针对常见妇科内分泌疾病多囊卵巢综合征，液相色谱串联质谱在雄性激素检测方面展示出较常规免疫方法更为出色的特异度和灵敏度，已逐渐被临床接受为首选检测方法。报告介绍了曹正团队基于类固醇激素检测在妇科与产科临床中的应用研究工作进展。在产科领域，早产分娩预测上缺乏可靠标志物，曹正团队发现一组类固醇激素具备分娩预测潜力，并在随后的前瞻性队列研究中发现E3-16-Gluc和17-OHP对无症状分娩事件展示出较好的预测能力。《LC-MS/MS在临床领域应用及未来发展趋势探讨》北京协和医院副研究员 禹松林质谱技术以其突出的分析检测能力，得以大范围进入检验医学领域。临床质谱赋能助力精准医疗，开展临床质谱已成为医疗机构检验能力的重要标志。报告介绍了LC-MS/MS在临床中的应用、优势，并探讨目前存在的问题及未来发展趋势。针对存在的问题，禹松林认为包括以下几点：分析化学+临床检验的人才缺乏、仪器操作自动化不足、试剂盒多为一类导致参考区间不一致、国产化率不足以及标准化不足等。报告最后，其也为临床质谱仪器自动化不足这一方面提出了一些方法改进的建议。《质谱技术助力精准用药》北京朝阳医院主任药师 李鹏飞中国科技部自2016年起设立“精准医学研究”重点专项，高地行动计划工程等，而卫计委和科技部也将精准医疗列入“十三五”科技发展规划当中，记一步来看，个体化医学更代表了精准用药。报告以质谱技术为基础的治疗药物监测、代谢组学分析、药理毒理研究、毒物筛查、应用评估等方面进行了应用案例分享。《呼气质谱分析》华东理工大学 陈焕文（吉林大学 苏蕊代讲）人类的呼出气体中包含了信息丰富的小分子有机化合物，同时呼出气体中的气溶胶和冷凝物中也包含了一系列核酸、小肽等大分子化合物，提供了关于人体新陈代谢的宝贵线索。而质谱由于具有高灵敏度和强化学特异性，是呼出气体分析的有力工具。目前色谱-质谱联用技术已广泛应用于呼出气体分析，但繁琐的样品预处理步骤影响了其分析性能。报告介绍了陈焕文团队基于大气压质谱法开展的呼出气体研究工作进展。研究表明，基于EESI-MS的分析方法是高质量完成和匹配分析需求的呼出气体分析方法。《恶性肿瘤的质谱诊断方法与验证研究》吉林大学副研究员 苏蕊恶性肿瘤对人类健康造成极大威胁，减少其威胁的重要策略是早期治疗，而早期治疗的必要前提是早期诊断。有望成为有效的恶性肿瘤早期诊断的分析技术必须同时具备灵敏度高、精密度高、重现性好、稳健可靠、依从性好等特点。报告介绍了苏蕊课题组以质谱技术为基础，以呼出气体、组织切片等为样品的开发的早期癌症分子诊断技术。此外，报告还介绍了基于质谱技术开展的肿瘤干预和治疗研究进展，为从分子层面阐释并验证肿瘤演进、治疗过程中典型的生理病理的化学作用机制、发现其发生发展及转化规律提供了科学手段和实验基础。《ICP-TOF-MS在临床中的应用》山东英盛生物技术有限公司 贠照军与四极杆 ICP-MS相比，ICP-TOF-MS的主要优势在于全质量范围内快速采集数据(全谱采集时间小于50μs,每秒可获得的全谱大于20000个)，几乎同时给出所有谱峰。由于谱图形成速率快且能几乎同时检测，使得微量及快速瞬态信号的全元素分析成为可能。当前ICP-TOF-MS在单细胞纳米颗粒研究、质谱成像等领域的应用发展如火如荼。报告从ICP-TOF-MS技术原理、发展历程、应用方向及未来发展趋势等方面进行了介绍。除技术及应用的进展外，融资方面的情况据仪器信息网不完全统计，仅2022上半年临床质谱赛道就发生了7起融资，均为亿元级，其中包括聚光科技、凯莱谱、瑞莱谱、英盛生物、迪谱诊断、清谱科技、西湖欧米等企业。相信在精准医疗技术迭代、临床需求持续扩大、多组学趋势背景下，临床质谱的政策环境、资本环境等还将持续向好。根据国外成熟的质谱仪市场发展趋势可见，随着我国经济的不断发展，质谱仪因其高特异性、高灵敏度的优势将会不断得到市场认可，应用领域涉及经济社会各个环节，对其他产业的发展具有巨大的带动作用，在各大检测领域都将会有更加广泛地应用，包括临床机构检测、疾控中心检测，农林畜牧业检测，海关检疫检测等。随着积极推动质谱诊断项目的临床应用指南、专家共识以及行业技术应用标准的建立，中国临床质谱市场的发展未来可期！

来自范德比尔特大学的研究人员完成了质谱分析和显微技术的第一次&ldquo 图像融合&rdquo ，这一技术突破将能极大的提高癌症的诊断效率和治疗疗效。这一研究成果公布在Nature Method杂志上。　　显微技术能帮助研究人员获得组织的高分辨率图像，但&ldquo 这种技术无法给你具体的分子信息，&rdquo 范德比尔特大学的生化和质谱研究中心主任，文章的通讯作者Richard Caprioli博士说。　　而质谱技术能完成组织中蛋白，脂质及其它分子的各种精确分析，但是图像处理过于粗糙。如果能将这两种技术的优点结合起来，将能令研究人员获得高分辨率的体内分子构成。　　&ldquo 对我来说，这是一项重要的技术突破，&rdquo Caprioli博士说。　　Caprioli表示这项技术能重新定义外科范畴，比如肿瘤外科手术时癌细胞与正常细胞边界的界限。目前这一界限是由组织学决定的，也就是通过显微镜观察细胞外观获取的。但是不少癌症患者在手术后又会复发，这有可能是因为一些癌细胞看上去像是正常细胞，如果利用质谱技术进行蛋白成分分析，那么就能精确标记癌细胞范围了。　　这一技术成果由多名研究人员完成，包括荷兰代尔夫特理工大学Raf Van de Plas博士，范德比尔特大学Junhai Yang博士等。　　在这项研究中，他们采用了一种称为回归分析(regression analysis，编者译)的数学方法，从而能将质谱信息的每个像素投射到显微成像的对应位置上，获得一个全新的&ldquo 预测&rdquo 图像。　　这在概念上类似于绘制标准曲线的实验点，Caprioli 说，虽然在这些真实测量点之间没有&ldquo 实际点&rdquo ，但是可以通过之前的实验进行预测。&ldquo 我们预测数据也采用了相同的方法，&rdquo 他说。

孙旭东华东交通大学机电与车辆工程学院 南昌 330013采收期预测源于精准农业的理念，适时采收是水果提质增效的重要技术手段。过早采收，果实内营养成分未转化完全，影响水果的品质和产量。过迟采收，增加落果、贮藏易烂，加重树体养分的消耗，使树势衰弱，影响次年生产。手持式近红外光谱仪器具有快速、无损和原位测量等优点，是树上水果品质原位检测的最佳技术手段。目前，手持式近红外光谱仪器的模型多在实验室条件下建立。果园环境与实验室相比，存在多种影响因素，诸如温度、阳光等。果园环境下，阳光由早到晚，均处于动态变化中。阳光变化同时影响果实和参比的能量谱。吸光度(A=-log(S-D)/(R-D))，S为果实能量谱，D为暗电流，R为参比能量谱。在实验室建模时通常认为参比能量谱R不变，间隔若干采样次数采集一次参比能量谱，计算吸光度A。但果园环境中阳光是变化的，阳光一方面通过果实进入检测器探头，另一方面阳光变化导致参比能量谱动态变化，这往往容易导致实验室建立的模型在果园中部分失效。我们前期研究发现，果实尺寸越小，阳光的影响越显著，例如透过葡萄果实进入探头的平均阳光信号约占果实信号的1%，而脐橙约为1‰[1,7]。因此，可以从化学计量学角度，视阳光为外部影响参数，应用外部参数正交化(EPO)等方法进行校正，探索实验室模型的果园应用，提高历史数据的利用率，减少重复性的工作。采收期预测是手持式近红外光谱仪果园应用的典型案例之一。澳大利亚Walsh教授团队将手持式仪器成功用于芒果采收期预测，以干物质含量作为采收期预测指标，芒果协会将芒果增收的40%归结为采收期的创新应用[2]。日本、比利时和意大利的科研团队也从事采收期预测的应用研究[4-6]。我们近年也在探索手持仪器的柑桔采收期预测应用，例如验证满足采收标准脐橙果实占比随采收期的变化（图1）[7]、生成采收决策处方图（图2）。果农可以依据采收处方图，合理安排采摘，未来也可以将处方图配对的品质指标和果树位置，下载至采收机械，按图采收，但某种程度上取决于采摘机械的产业应用进程。图1 满足采收标准脐橙随采收期变化曲线图2 脐橙采收决策处方图（紫色代表完熟、橙色代表成熟、粉色代表近熟）我国水果采收期预测尚处于基础研究阶段。技术、仪器和标准等都有待深入。例如，采收期预测标准应视水果种类、用途做出科学调整，例如出口的后熟型水果、立即上市销售和贮藏型水果的采收标准不同，采收期预测也应做相应的调整。参考文献[1] Sun, X., Wang, Z., Aydin, H., Liu, J., Chen, Z., Feng, S. First step for hand-held NIRS instrument field use: Table grape quality assessment consideration of temperature and sunlight chemometrics correction[J]. Postharvest Biology and Technology, 2023, 201: 112374.[2] Granger, A. A. Plant & food research: New Zealand kiwifruit breeding programme [J]. Acta Hort., 2011, 913: 59-62.[3] Walsh, K. B., McGlone, V. A., Han, D. H. The use of near infra-red spectroscopy in postharvest decision support: A review [J]. Postharvest Biology and Technology, 2020, 163: 111139.[4] Osborne, B. G. Applications of near infrared spectroscopy in quality screening of early-generation material in cereal breeding programmes [J]. Journal of Near Infrared Spectroscopy, 2006, 14: 93-101.[5] Bertone, E., Venturello, A., Leardi, R., Geobaldo, F. Prediction of the optimum harvest time of ‘Scarlet’ apples using DR-UV-Vis and NIR spectroscopy [J]. Postharvest Biology and Technology, 2012, 69: 15-23.[6] Peirs, A., Lammertyn, J., Ooms, K., Nicolaï, B.M. Prediction of the optimal picking date of different apple cultivars by means of VIS/NIR-spectroscopy. Postharvest Biology and Technology, 2001, 21: 189–199.[7] 宮本久美. 果樹の生育診断への近赤外分光法の応用 [J]. 農業機械学会誌, 2007, 69(3): 11-14.[8] Sun, X., Guo, F., Liu, J., Chen, Z., Abobatta, W. F., Nawaz, M. A., Feng，S. From lab to orchard use for models of hand-held NIRS instrument: A case for navel orange quality assessment considering ambient light correction[J]. Computers and Electronics in Agriculture, 2024, 219: 108797.

仪器信息网讯 伴随我国各行业对分析检测技术需求的大幅提升，分析仪器得到了广泛关注和高速发展。质谱作为“热度”较高的分析仪器，其通过测量带电粒子的质量进而对物质进行定性和定量分析，至今已有超过100年历史。如今，质谱分析技术广泛应用在环境检测、地球科学、材料科学、食品安全、临床检验、药物与毒物、生物医学研究等领域，应用层面可以说是包罗万象。而随着分析物质的日益复杂，质谱仪器的需求也日益增长，庞大的市场吸引越来越多的厂商加入到质谱供应商行列，质谱市场的竞争更加“如火如荼”。2021年中国市场上各主流厂商的质谱产品推陈出新，从新品类型来看，主要集中于Orbitrap、飞行时间、三重四极杆等液质联用质谱。此外，国产制造商也带来了很多“惊喜”。金秋九月，两年一度的行业盛会，第十九届北京分析测试学术报告会暨展览会(简称BCEIA2021)于2021年9月27日在北京中国国际展览中心（天竺新馆）隆重开幕。为向广大用户带来最新最前沿的质谱新产品速报，仪器信息网特别策划了MS GO：2021质谱新品大探秘视频报道活动，让广大网友跟随我们的镜头，近距离地了解2021年各大仪器厂商展出的质谱新产品与新技术。更多新品采访视频，请关注后续报道。跟随仪器信息网的镜头，可以看到2021年多家公司质谱产品扎堆发布，可以说是你方唱罢我登场，好不热闹。谱育科技EXPEC 7910 ICP-TOF质谱 谱育科技EXPEC TRACE 8000化学电离飞行时间质谱谱育科技在高端质谱仪器研发和产业化创新方面做出了一系列的突破，2021年谱育带来了他们的首款电感耦合等离子体-飞行时间质谱仪（ICP-TOF-MS），将ICP电离特性与飞行时间质谱仪高分辨率、高灵敏、快速扫描等优点相结合，可实现75种元素及质量数范围1~260amu绝大多数同位素的分析。不仅如此，谱育还带来了一款化学电离飞行时间质谱仪，适用于VOCs走航和在线监测。北京莱伯泰科LabMS 3000上市新秀莱伯泰科带来了他们的第一款质谱产品，技术来源于胡克博士深耕多年的ICP-MS领域，仪器在整机设计、进样系统材料、锥接口、锥材料以及碰撞反应池、冷热焰模式等方面都做了改进，其稳定的冷热焰切换技术可满足半导体行业的测试需求，该系统的应用领域瞄准半导体和医疗行业。清谱科技Cell 系统清谱科技致力于小质谱技术的研发和产业化发展，继miniβ之后，清谱这次带来了更“小”的质谱产品，产品全部重量8.5kg，内含锂电池，可以测量分子量在50-1000之间的化学物质。禾信康源 NucMass 2000核酸质谱系统禾信仪器作为“国产质谱第一股”，公司在周振博士的带领下攻克了高分辨飞行时间等质谱技术，并在大气环境监测的细分领域具有品牌优势。此次展会禾信重点带来了第一款核酸质谱仪器，为其大举进攻医疗领域打下基础。安益谱1978 三重四极杆气质联用系统安益谱深耕质谱技术自主研发多年，2021年其推出了首款气相色谱串联三重四极杆串联质谱仪，系统搭载了轴向线性加速电压高效碰撞池；双涡轮分子泵真空结构，最大载气流速可达10ml/min，支持0.53mm大内径色谱柱；新产品拥有的非共轴双预四极离子导引有效降低中性粒子噪声等特点。衡昇仪器iQuad系列第三代电感耦合等离子体质谱衡昇仪器带来了iQuad系列第三代电感耦合等离子体质谱，在其2019年推出的ICP-MS产品的基础上，新产品进行了升级迭代，搭载了全数字频率调谐四极杆驱动技术以及六极杆碰撞反应池技术。博赛德走航监测系统博赛德作为全球众多知名前处理分析仪器生产厂商在华的独家代理专注于VOC监测解决方案，近年来其与INFICON公司联合研发走航监测系统，搭载了四极杆质谱技术，可以对烷烃、卤代烃、芳香烃、含氧烃等多种VOCs组分实时分析。盘福生物 QUADVENTURE 5 GCMS系统盘福生物在其便携气质产品的基础上，2021年推出了首台的台式气质产品，目标在食品安全及环保领域进行拓展。福立分析 S900 GCMS系统福立的产品主要为色谱质谱仪、实验室前处理设备和色谱分离材料等，并在其自主研发的气相色谱的技术基础上，研发制造了GCMS系统，前端搭载了基于ADVIS专利技术的离子源技术，搭配GC9720plus系统，基于“通道”模式的分析工作流，结合高位全自动液体进样系统，可实现同步并行分析检测。质谱的市场无疑是巨大的，而且需求将持续增加。据仪器信息网报道，2020年，全球质谱市场规模约41亿美元，预计到2025年，该市场规模将达到56亿美元，预测期内复合年均增长率为6.5%。制药和生物技术应用领域在近两年占据了最大的市场份额，这一趋势预计将在预测期内持续下去。作为精准诊疗的高新技术平台，质谱技术在临床中的应用越来越受到关注，其中一些质谱仪器已经获得NMPA认证并取得相关医疗器械证件。截至2021年5月，进口质谱共计10款，包括MALDI-TOF 3款、LC-MS 7款；国产质谱共计23款，MALDI-TOF 13款，LC-MS 8款，ICP-MS 2款。近五年报批数量递增幅度放缓，相关企业主要聚焦在方法开发、试剂开发和应用推广方面。自20世纪60年代以来，色谱质谱联用技术将色谱优越的分离性能与质谱提供结构信息的能力完美结合，满足了对复杂样品定性定量的需求，也使该联用技术广泛应用于食品安全、生态环境、药物以及生物医学等领域。而如今，质谱技术逐渐开始展现其直接分离离子的能力，离子源技术得到快速发展 同时借助离子淌度(IMS)及串联质谱分析器等技术手段，质谱进入了实时原位、超高通量分析的新时代。总体看来，质谱技术一方面将随着生物医学及生命科学等领域应用研究的深入得到进一步完善。另一方面，质谱仪器也将从高灵敏度、高准确性、自动化、专用化等方面进行技术提升。质谱仪器市场一直以来竞争激烈，很多品类仪器长期以来被国外品牌垄断，尤其是以串联质谱仪等为代表的高端质谱仪器，其市场一直被进口厂商占据，进而国内用户形成了“进口必然优于国产”的认知，使得国产厂商想在市场中谋取一席之地时面临着重重困难。对此，部分国产质谱企业在突破了研发技术的瓶颈后，进而探索差异化布局，侧重开发特定应用领域和场景的专用化质谱产品，以满足通用仪器无法覆盖的市场需求。此外，随着现场检测对分析仪器的大量需求，便携式和小型化质谱已经成为发展趋势。我国学者在质谱仪器小型化方面已有不少成果，该进展极大地推动了相关研究领域的发展，同时也能带来明显的经济效益。

2023年9月19日，中国仪器仪表学会近红外光谱分会发布了关于开展2023年度“创和亿杯近红外光谱数据建模竞赛”的通知。通知要求参赛者于2023年10月30日前完成并提交“参赛附表”，截至目前，超过110人参加了本次竞赛。按照活动进程，中国仪器仪表学会近红外光谱分会正式公布2023年度“创和亿杯近红外光谱数据建模竞赛” 预测集实际测量值。点击下载：2023 年度“创和亿杯近红外光谱数据建模竞赛” 预测集实际测量值.xlsx测试集样本序号化学成分16.3225.95635.14445.3658.88465.96475.32886.61696.012106.828115.704126.616136.088145.788156.544165.92175.204185.672195.912205.316根据参赛者提交预测结果的准确性，本竞赛将评选出一等奖1名，二等奖2名，三等奖5名，优秀奖10名。颁发电子版获奖证书和奖金，其中一等奖奖金2000元，二等奖奖金1500元，三等奖奖金1000元，优秀奖只颁发获奖证书。本竞赛将在2023年11月5日前向参赛者公布预测集的实际浓度值，2023年11月15日前公布获奖名单。更多信息请查看：关于开展2023年度“创和亿杯近红外光谱数据建模竞赛”的通知

仪器信息网讯 根据国外某机构调研显示，2020年，全球质谱市场规模约41亿美元，预计到2025年，该市场规模将达到56亿美元，预测期内复合年均增长率为6.5%。全球在药品研发上的投入增加，药品安全相关法规的建设，对食品质量日益增长的关注，原油和页岩气产量的增加以及政府在环境检测、污染防治方面的举措，正在推动全球质谱市场的高速增长。COVID-19的意外爆发严重影响了质谱仪市场，该机构下调了其对未来质谱市场规模的预测。在2020年，在医疗保健、制药、生物研究、食品饮料等行业，用于测试应用的质谱仪的普及率很高。新药开发，药物再利用以及药物制剂生产规模不断扩大，导致制药行业对安全性和质量措施的需求不断增长。这些行业中严格的政府法规和对质量需求的不断增长，推动了质谱仪的应用。 但是，石化行业的供应链中断以及对污染监测的监管放宽预计将限制质谱仪的采用。质谱市场动态驱动因素：对制药和生物技术行业的研发投资增长在过去的二十年中，医药企业的研发支出显着增加。制药和生物技术行业的研究活动受到对关键领域的投资推动的，例如生物制药和精准医疗。根据《2018年欧盟工业研发投资排名》（EU Industrial R&D Investment Scoreboard）显示，制药和生物技术领域占全球研发总支出的18.9％。从药物发现的早期阶段到后期开发和临床试验，质谱仪在制药行业中均发挥着关键作用。因此，预计制药和生物技术行业的资金投入增加将推动质谱仪市场的增长。限制：较高的产品定价质谱仪具有先进的功能和特性，因此价格昂贵。除了本身系统成本外，符合行业标准的成本也很高。由于技术的进步和运行效率的提高，多年来对质谱仪的需求不断增长。但是，技术发展也增加了仪器的价格。仪器价格会影响最终用户的购买决定。制药公司需要配备大量设备，因此，成本显著增加。此外，由于预算控制，很多学术研究实验室已经发现难以负担此类仪器。这些是限制最终用户采用质谱系统的主要因素。机会：新兴国家的增长机会诸如中国和印度等发展中国家为质谱仪市场的发展提供了各种机会。由于这些国家的各个终端用户行业正在大量建设新项目，中国和印度对质谱仪产生了巨大的需求。这些国家的生物制药工业发展强劲，有望对质谱和色谱市场的增长作出重大贡献。主要行业参与者正在积极建立新的设施、研发中心和创新中心等，并与亚洲市场的参与者进行合作，以充分利用这一机会。挑战：缺乏熟练的专业人员高效使用质谱仪需要具备相关经验和知识的专业人员，人为操作错误对最终数据质量影响颇大。此外，在质谱分析中，样品制备过程是分离目标分析物的关键步骤，缺乏相关技术知识也会影响结果，并可能给最终用户带来直接和间接的额外费用。当前缺少在质谱方法开发、验证，仪器操作和故障排除等方面的熟练技术人员，预计这将在未来几年内一定程度地限制质谱仪市场的增长。预计从2020年至2025年，制药行业的平均年复合增长率最高。基于最终用户，质谱市场可细分为制药行业、生物技术行业、科研机构、环境检测行业、食品行业、石化行业等最终用户。制药行业是质谱仪最主要终端用户之一。政府和企业对药物研究的资助、制药行业的增长、对药物研发及生产严格的监督管理政策，是推动这一领域在预测期内增长的关键因素。预计在预测期内，串联质谱的平均年复合增长率最高。基于产品类型，质谱分为单质谱、串联质谱及其他质谱等技术。预计串联质谱在预测期内增长最快。串联质谱的优势，如更快速、精确率更高、更高分辨率的分析检测能力，正在增加其被采购几率，市场对高通量筛选的质谱设备的需求也在增长。串联质谱可以进一步被分为三重四极杆质谱、四极杆飞行时间质谱以及傅里叶变换质谱仪等。预计在预测期内，生命科学研究领域平均年复合增长率最高。基于应用场景，质谱市场可细分为生命科学研究、药物开发、环境监测、食品检测、工业应用、临床诊断等应用。其中，生命科学研究领域在2019年占据市场主导地位。组学技术在诊断和生物标志物识别中应用的不断增加，以及蛋白质组学的研发支出和政府资金的增加，预计将推动这一领域的市场。在预测期内，预计北美是质谱仪的最大市场。北美的质谱市场主要受以下因素驱动：美国研究和政府计划的资金不断增长，质谱在代谢组学和石油领域的广泛使用，以及CFI对加拿大质谱项目的资助等。 此外，美国的监管机构，例如食品和药物管理局（FDA），正在鼓励使用分析技术，以确保市场上出售的药品符合质量要求。 最近，随着油田的增加，美国页岩气和原油产量有了显着增加，这导致随后使用诸如质谱仪之类的分析工具的增加。

《质谱新技术丨原位探针离子化质谱仪DPiMS 第一期》为大家介绍了DPiMS的技术背景和工作流程；《质谱新技术丨原位探针离子化质谱仪DPiMS 第二期》介绍了DPiMS在食品安全、法医学、临床毒理学和生物学研究中的应用实例。 本期将隆重介绍DPiMS家族新成员——DPiMS QT，进一步拓展这一极具潜力的新型离子源的应用边界。 DPiMS QT 特点 1 前处理简单、操作简便、快速完成测定● 只需简单的前处理即可开始分析。● 与Q-TOF质谱仪联用，实现高分辨质谱分析。● 仅需微量样品即可完成分析，大大降低对于MS离子源的污染。 2 只需简单的前处理即可测定液体或固体样品● 使用传统方法分析血液、尿液和其他生物样品所需的时间减少约 50%。● 可以分析食物、组织切片和其他固体样品。● 样品前处理时间显着减少。3 快速定性分析● DPiMS QT定性筛查分析时，无需等待色谱分离的时间，效率更高。4 无残留的分析系统● 每次进样时，仅几十pL的样品粘附在探针上，无需担心质谱仪内部受到污染。也可以通过更换探针来防止样品残留，在测定浓缩样品和未知浓度的样品时无需担心交叉污染。5 在 DPiMS QT 和 Q-TOF LC/MS 之间轻松切换● 移除 DPiMS QT 装置约仅需15秒，即可重新配置为LC-QTOF系统。通过 DPiMS QT 实施初步筛查和定性分析，可以减少 LC-QTOF 分析所需的资源（溶剂和色谱柱），从而减少需要定量分析的样品数量，提高实验室工作效率。应用实例 对添加曲唑酮（500 ng/mL）的全血样品进行定性分析， MS和MS/MS分析在一个序列中同时进行。LabSolutions Insight Explore 支持组成推测、库搜索和结构解析。 1 MS分析检查色谱峰——通过在化合物表中输入分子式或对应的质量数来提取目标离子的质量色谱图。组成推测——从获得的质谱图中，选择任意 m/z 的质谱，并使用组成推测功能按匹配度分数顺序列出预测的分子式。 2 MS/MS分析碎片归属——使用 LabSolutions Insight Explore 中的结构分析归属功能，根据产物离子质谱图对碎片进行归属。通过谱库检索评分——通过使用 LC-QTOF 创建的质谱库，对使用 DPiMS QT 分析得到的质谱图进行评分。