Method development for identifications of illicit compounds in health supplements using LC-MS/MS data: elucidation of fragmentation pathways and database search software platform
- 주제(키워드) 부정유해물질 , 구조식별 , LC-MS/MS , 메커니즘 , ANN , database , software
- 발행기관 서강대학교 일반대학원
- 지도교수 오한빈
- 발행년도 2017
- 학위수여년월 2017. 2
- 학위명 석사
- 학과 및 전공 일반대학원 화학과
- 실제URI http://www.dcollection.net/handler/sogang/000000061198
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
최근 ‘건강기능성 식품’ 기능성을 표방한 불법 의약품 및 유사물질 등 금지된 물질들이 기능성 식품에 불법적으로 혼입되고 있다. 따라서, 본 연구에서는 식·의약품에 불법으로 함유되어 있는 부정유해물질을 신속하고 정확하게 검사하기 위한 HPLC/UPLC 기반의 분석방법을 개발하고자 하였다. 먼저 LC-MS/MS 자료를 기반으로 57 종의 발기부전치료제 유사체, 25 종의 비 스테로이드성 소염 진통제, 34 종의 이뇨제, 35 종의 비만 치료제의 탄뎀 질량분석 스펙트럼을 해석하였다. 단순질량을 비교한 파편이온의 인식이 아니라, 질량분석기 내에서 일어날 수 있는 화학적 반응에 근거하여 단계별 분해 메커니즘을 제시함으로써 기존 분석과정에서 많이 나타났던 잘못된 파편이온 해석을 최소화 할 수 있었다. 이와 같이 메커니즘 구축이 누적될수록 유사화합물들의 메커니즘을 상호 검증할 수 있고, 계열별 화합물들의 공통이온 유추가 가능하게 될 것이다. 두번째, SVM(Support Vector Machine), ANN(Artificial neural network)과 같은 machine learning 통계기법을 이용하여 미지 유해물질을 성공적으로 분류해내는 결과를 얻었다. 마지막으로 식·의약품내 미지 유해물질을 신속하게 규명하고자 데이터베이스 서치가 가능한 소프트웨어의 모듈들을 상당부분 개발하였다. 이 소프트웨어는 실험에서 얻어진 탄뎀 질량분석 스펙트럼와 database을 비교하는 서치엔진을 통해 분석물질을 규명하도록 설계되었다. Database는 MS/MS Database 및 open source 기반 MS/MS Database를 사용하였다.
more초록/요약
Recently, it has been reported that illegal drugs and their analogues are incorporated into health supplements. In this study, as an effort to reliably identify such illegal drugs and analogues contained in health supplements, an LC-MS/MS analytical method has been developed. First, based on LC-MS/MS data, we elucidated fragmentation pathways of 57 erectile dysfunction analogues, 25 non-steroidal anti-inflammatory analgesics, 34 diuretics, and 35 obesity treatments. By introducing stepwise decomposition mechanisms based on the chemical reactions that can occur in the gas-phase, false fragmentation analyses could be minimized. As more reliable gas-phase fragmentation mechanisms are revealed, the fragmentation mechanism for the compounds with a similar core structure can be understood more readily. Secondly, classification of unknown illegal substances could be made using machine learning statistical techniques such as support vector machine (SVM) and artificial neural network (ANN). Finally, software modules that enables database search based on LC-MS/MS were developed in order to quickly identify unknown illegal substances in health supplements. The software is designed to identify analytes through a search engine that compares the experimental tandem mass spectra with those in database. The database was also constructed using open-source LC-MS/MS data. The database used MS / MS database and open source based MS / MS database.
more