«Масс-спектрометрический нос» проанализирует образцы чая

Сотрудники лаборатории инструментальных методов и органических реагентов ГЕОХИ РАН с коллегами из ИОФ РАН разрабатывают новый метод анализа органических и биологических образцов — «масс-спектрометрический нос». Он поможет в решении задачи экспрессной классификации различных товарных наименований чая, сообщила пресс-служба ГЕОХИ РАН.

Широкое разнообразие видов и сортов чая часто создает сложности для однозначной идентификации и проверки качества продукции. Стандартные подходы к идентификации чая предполагают длительный и трудоемкий анализ, включающий в себя процедуры пробоподготовки и хроматографического разделения. Разработанный учеными способ позволяет проводить прямой анализ образцов по их «запаху» (составу выделяемых чаем органических соединений).

Образец чая помещают в пробирку, выделяемые пробой летучие органические вещества поступают в зону ионизации, ионизируются и детектируются масс-спектрометром. Для ионизации используется разработанный авторами метод, основанный на использовании лазерно-индуцированной плазмы (метод APLPI). Воздействие плазмы на молекулы воздуха приводит к образованию высокой концентрации первичных ионов и возбужденных молекул, которые затем обеспечивают мягкую ионизацию органических соединений, принадлежащих к различным химическим классам.

Как и «биологический нос», «масс-спектрометрический нос» детектирует большое количество сигналов, большая часть которых не содержит информацию, позволяющую классифицировать различные образцы, особенно образцы, близкие по химическому составу. В живых организмах выделение полезной информации обеспечивается работой мозга, а для «масс-спектрометрического носа» такую задачу можно решать путем использования методов машинного обучения.

На предварительно охарактеризованном массиве данных математическую модель «обучают» выделять признаки, отвечающие за различие между группами. В дальнейшем «обученная» модель позволяет классифицировать неохарактеризованные образцы.
В работе ученые исследовали три метода машинного обучения, отличающихся между собой способом выявления различий между группами — это логистическая регрессия, нейронная сеть вида многослойный перцептрон и метод оперных векторов. Показано, что наиболее эффективным методом классификации образцов чая становится логистическая регрессия в сочетании с кросс-валидацией и устранением признаков, не несущих важной информации.
Такой подход позволил с высокой точностью (близкой к 100%) классифицировать образцы чая по товарному наименованию.

По словам ученых, разработанный способ отличается высокой производительностью, не требует пробоподготовки и может быть востребован для решения задач быстрого выявления фальсификата или просто некачественного чая. Предложенный в работе подход может также использоваться для анализа и классификации других объектов биологического происхождения.

Результаты исследования опубликованы в журнале «Масс-спектрометрия» (Тимакова и др., 2024)1.