質量分析方法
【課題】分析手段を組み合わせることなく、ソフトイオン化質量分析装置で得られる測定データから、成分識別を良好に行うことができる質量分析方法の提供を課題とする。
【解決手段】ソフトイオン化質量分析装置による三次元の測定データから二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程Ａと、マススペクトルデータをデータベースと同じデータ条件に加工するマススペクトルデータ加工工程Ｂと、加工マススペクトルデータから多変量解析手段を用いてマトリックスの成分と混合比率を特定するマトリックス特定工程Ｃと、特定されたマトリックスの成分及び混合比率とデータベースとから標準マススペクトルデータを合成する標準マススペクトルデータ合成工程Ｄと、加工マススペクトルデータから標準マススペクトルデータを減算するノイズ除去工程Ｅと、を有する質量分析方法である。
【解決手段】ソフトイオン化質量分析装置による三次元の測定データから二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程Ａと、マススペクトルデータをデータベースと同じデータ条件に加工するマススペクトルデータ加工工程Ｂと、加工マススペクトルデータから多変量解析手段を用いてマトリックスの成分と混合比率を特定するマトリックス特定工程Ｃと、特定されたマトリックスの成分及び混合比率とデータベースとから標準マススペクトルデータを合成する標準マススペクトルデータ合成工程Ｄと、加工マススペクトルデータから標準マススペクトルデータを減算するノイズ除去工程Ｅと、を有する質量分析方法である。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は質量分析方法に関し、より詳細には、ソフトイオン化法による質量データをクロマトグラフ等の分離手段を用いることなく、データ解析によって分析する質量分析方法に関する。
【背景技術】
【０００２】
質量分析装置を用いる場合、測定対象物のイオン化を行う必要がある。
ガスクロマトグラフ−質量分析装置のイオン化法として、一般的に用いられているイオン化法として電子衝撃イオン化法（ＥＩ法）がある。このＥＩ法は高エネルギーを用いるため、多数のフラグメントが生成されることから、マススペクトルの解析評価が困難となり易く、従ってクロマトグラフ等の分離手段と組み合わされて使用することが必要である。
一方、イオン付着イオン化法、ペニングイオン化法、光イオン化法等のソフトイオン化法を備えた質量分析装置では、フラグメントイオンを抑制できることから、クロマトグラフによる分離手段を省略することが可能となり、よって分析時間の短縮、分離手段における被測定物の変性やロスの回避、被測定物の経時変化のリアルモニタリング化を可能にする等のメリットがある。
【０００３】
しかしながらソフトイオン化質量分析装置では、ガスクロマトグラフ等の分離手段を用いないことによるマイナス面がいくつか存在する。
１つには、ガスクロマトグラフ等の分離手段を使用しないので、測定対象物の構成成分が複雑、多数の場合には、共雑成分のシグナルと対象成分のシグナルが重なり、良好な識別が困難となる場合がある。
特に、測定対象物が樹脂や接着剤等の高分子材料、油、生物試料等において基地成分（以下、マトリックスと称する）中に含まれる微量成分を検出する場合の影響が大きい。また有機化学物質の場合は、同位体シグナルによる重なりが成分識別の深刻な妨害となる場合がある。このような問題を回避するには、質量分解能を大きく上げ、或いはＭＳ／ＭＳ化による識別精度向上を図る必要があるが、装置の大型化、高額化の問題が生じる。
もう１つの問題は、ガスクロマトグラフ等の分離手段を用いないため、大きなシグナルの変化に隠れた微細なシグナルの変化を見落とす問題である。ガスクロマトグラフを使用する場合には、個々の微量成分が明瞭に分離され、シャープな濃縮バンドを持つため、トータルイオンクロマトグラムの各成分のピークがシャープになり、個々の成分の確認は比較的容易である。しかしガスクロマトグラフを用いないソフトイオン化質量分析装置では、主要な成分はトータルイオンクロマトグラム上でモニタリングできるが、微量成分のシグナル変化は個々のマスクロマトグラムを確認せずには判別することは困難である。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平９−３１８５９９号公報
【特許文献２】特開２００６−１０３２３号公報
【特許文献３】特開２００７−２０５７４５号公報
【特許文献４】再表ＷＯ２００７／１０２２０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記特許文献１〜４に示される質量分析に関する装置、方法は、データの処理に関するアイデアを開示するものであるが、何れもガスクロマトグラフ等の分離手段を備えた質量分析装置を前提としたものである。
【０００６】
そこで本発明はクロマトグラフ等の分離手段を組み合わせることなく、よって分析手段の短縮、分離手段における被測定成分の変性やロスの回避、被測定物の経時変化のリアルモニタリングを可能にする等のメリットを維持しながら、ソフトイオン化質量分析装置で得られる測定データからでも、共雑成分等からのノイズを除去して、成分識別を微量成分にいたるまで良好に行うことができる質量分析方法の提供を課題とする。
【課題を解決するための手段】
【０００７】
上記課題を解決する本発明の質量分析方法は、ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物についての質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程と、
該マススペクトルデータ抽出工程で抽出されたマススペクトルデータを予め作成されるデータベースと同じデータ条件に加工するマススペクトルデータ加工工程と、
該マススペクトルデータ加工工程で得られた加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定すると共にその成分の混合比率を特定するマトリックス特定工程と、
該マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する標準マススペクトルデータ（Ｓｒ）合成工程と、
前記加工マススペクトルデータ（Ｓｕ）から前記標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリックス由来成分によるシグナル値の重複を除去するノイズ除去工程と、
を有することを第１の特徴としている。
【０００８】
また本発明の質量分析方法は、上記第１の特徴に加えて、ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれている微細な変化を残差変化データとして際立たせることを第２の特徴としている。
また本発明の質量分析方法は、上記第１又は第２の特徴に加えて、マススペクトルデータ抽出工程では、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることを第３の特徴としている。
また本発明の質量分析方法は、上記第３の特徴に加えて、一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することを第４の特徴としている。
また本発明の質量分析方法は、上記第４の特徴に加えて、マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することを第５の特徴としている。
また本発明の質量分析方法は、上記第１〜第５の何れかの特徴に加えて、マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することを第６の特徴としている。
また本発明の質量分析方法は、上記第１〜第６の何れかの特徴に加えて、マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うことを第７の特徴としている。
また本発明の質量分析方法は、上記第１〜第７の何れかの特徴に加えて、標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することを第８の特徴としている。
【発明の効果】
【０００９】
請求項１に記載の質量分析方法によれば、マススペクトルデータ抽出工程を経ることによって、ソフトイオン化質量分析装置で得られた三次元の測定データから二次元のマススペクトルデータが得られる。そしてマススペクトルデータ加工工程を経ることによって、マススペクトルデータが予め作成されるデータベースと同じデータ条件の加工マススペクトルデータ（Ｓｕ）とされる。そしてマトリックス特定工程では、加工マススペクトルデータ（Ｓｕ）が多変量解析手段により解析されて、データベースと照合されることで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分とその混合比率が特定される。そして標準マススペクトルデータ（Ｓｒ）合成工程では、データベースのマススペクトルデータから、前記特定された被測定物のマトリックス成分とその混合比率に対応した標準マススペクトルデータ（Ｓｒ）が合成される。そしてノイズ除去工程では、被測定物の加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）が減算されることで、マトリックス成分及びマトリックス由来成分の重複が加工マススペクトルデータ（Ｓｕ）から除かれる。これにより、加工マススペクトルデータ（Ｓｕ）に含まれるマトリックス以外の成分のシグナル強度がより明瞭となる。従ってマトリックス以外の成分の同定が、より精度よく且つ確実に行える。
請求項１に記載の質量分析方法によれば、ガスクロマトグラフや液体クロマトグラフ等の分離手段を組み合わせる必要なく、ソフトイオン化質量分析装置で得られる測定データから、被測定物のマトリックス成分の同定と混合比率、更には微量成分に対するマトリックス成分によるノイズを除去して、微量成分の同定をも効果的に行うことが可能となる。よってガスクロマトグラフや液体クロマトグラフ等の分離手段設備を備えることによる分析時間の増加、分離手段における被測定物の変性やロス、被測定物の経時変化のリアルモニタリングができなくなる等の問題を十分に軽減しつつ、被測定物の質量分析を良好に行うことができる。
【００１０】
請求項２に記載の質量分析方法によれば、上記請求項１に記載の構成による作用効果に加えて、ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれているシグナル強度の微細な変化を際立たせることとしているので、
被測定物のマトリックス以外の成分の識別、同定をより微量成分に至るまで良好に行うことが可能となる。
請求項３に記載の質量分析方法によれば、上記請求項１又は２に記載の構成による作用効果に加えて、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることとしているので、
ソフトイオン化質量分析装置で得られる全時間帯での３次元の全測定データに対して、成分の分析がより明確に行える一定の時間帯でのマススペクトルデータを得ることが可能となると共に、マススペクトルデータにおける各質量電荷比（ｍ／ｚ）のシグナル強度も、これをシグナル強度の平均値若しくは総和値とすることで、各質量電荷比（ｍ／ｚ）間でのシグナル強度の比較をより信頼のあるものとすることができる。
請求項４に記載の質量分析方法によれば、上記請求項３に記載の構成による作用効果に加えて、前記一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することとしているので、
被測定物に含まれる成分の特徴がよく現れた時間帯でのマススペクトルデータを得ることが可能となる。よって、より明瞭な変曲点を抽出することが可能となり、より明確な成分分析を行うことが可能となる。
請求項５に記載の質量分析方法によれば、上記請求項４に記載の構成による作用効果に加えて、マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することとしているので、
トータルイオンクロマトグラム上では確認が容易ではないマススペクトルパターンの変化の傾向を測定者に知らしめ、注意を喚起することができる。
【００１１】
また請求項６に記載の質量分析方法によれば、上記請求項１〜５の何れかに記載の構成による作用効果に加えて、マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することとしているので、
多変量解析手段による解析とそれに伴うデータベースとの比較、照合を、同じ条件下でのデータに基づき、確実、容易に行うことができる。
また請求項７に記載の質量分析方法によれば、上記請求項１〜６の何れかに記載の構成による作用効果に加えて、マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うこととしているので、
条件をデータベースと同じにした加工マススペクトルデータ（Ｓｕ）の改重回帰分析により、現に加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分と混合比率を特定することができる。
また請求項８に記載の質量分析方法によれば、上記請求項１〜５の何れかに記載の構成による作用効果に加えて、標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することとしているので、
特定された１乃至複数のマトリックス成分が特定された混合比率で混合している場合に生じるであろう、標準となるべきマススペクトルデータをデータベースから作成することができ、従って標準マススペクトルデータ（Ｓｒ）を用いて、被測定物の加工マススペクトルデータ（Ｓｕ）に含まれるマトリックスの影響を取り除くことが可能となる。
【図面の簡単な説明】
【００１２】
【図１】本発明の質量分析方法を説明するフロー図である。
【図２】本発明の質量分析方法のマススペクトルデータ抽出工程を説明するフロー図である。
【図３】本発明の質量分析方法のマススペクトルデータ抽出工程における付属的作業を説明するフロー図である。
【図４】本発明の質量分析方法のマススペクトルデータ抽出工程の付属的作業において得た図で、（Ａ）は（Ｂ）における第１〜第６主成分の各クロマトグラムの変曲点を表示したトータルイオンクロマトグラム、（Ｂ）は、主成分分析で得た各第１〜第６主成分のローディングデータと時間とからなる二次元データを表示したクロマトグラムを示す図である。
【図５】本発明の実施例１において、マススペクトルデータ抽出工程及びマススペクトルデータ加工工程を経て得た被測定物の加工マススペクトルデータ（Ｓｕ）を示す図で、（Ａ）はシグナル強度を通常スケールで表したもの、（Ｂ）はシグナル強度を拡大スケールで表したものである。
【図６】本発明の実施例１において、マトリックス特定工程での改重回帰分析で得られた被測定物のマトリックスの成分と混合比率についての解析結果を示す図である。実際の混合比を理論値として併せて表示している。
【図７】本発明の実施例１において、標準マススペクトルデータ合成工程を経て得た被測定物の標準マススペクトルデータ（Ｓｕ）を示す図である。
【図８】本発明の実施例１において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを示す図である。
【図９】本発明の実施例１において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データを示す図である。
【図１０】本発明の実施例２において、マススペクトルデータ抽出工程及びマススペクトルデータ加工工程を経て得た被測定物の加工マススペクトルデータ（Ｓｕ）を示す図で、（Ａ）はシグナル強度を通常スケールで表したもの、（Ｂ）はシグナル強度を拡大スケールで表したものである。
【図１１】本発明の実施例２において、マトリックス特定工程での改重回帰分析で得られた被測定物のマトリックスの成分と混合比率についての解析結果を示す図である。実際の混合比を理論値として併せて表示している。
【図１２】本発明の実施例２において、標準マススペクトルデータ合成工程を経て得た被測定物の標準マススペクトルデータ（Ｓｕ）を示す図である。
【図１３】本発明の実施例２において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを示す図である。
【図１４】本発明の実施例２において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データを示す図である。
【発明を実施するための形態】
【００１３】
本発明の実施形態を図面も参照して以下に説明する。
図１のフロー図を参照して、本発明の質量分析方法は、マススペクトルデータ抽出工程Ａと、マススペクトルデータ加工工程Ｂと、マトリックス特定工程Ｃと、標準マススペクトルデータ（Ｓｒ）合成工程Ｄと、ノイズ除去工程Ｅとを有している。
【００１４】
＜マススペクトルデータ抽出工程＞
図２のフロー図を参照して、マススペクトルデータ抽出工程Ａでは、ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物のマススペクトルデータを抽出する。
前記ソフトイオン化質量分析装置は、イオン付着イオン化法、ペニングイオン化法、光イオン化法、電界イオン化法、電界脱離イオン化法、エレクトロスプレーイオン化法、ナノエレクトロスプレーイオン化法、探針エレクトロスプレーイオン化法、マトリックス支援レーザー脱離イオン化法等、被測定物のフラグメントイオンの生成を抑制し、分子イオンにして検出することができる、いわゆるソフトイオン化法の手段を備えた質量分析装置を言うものとする。
ソフトイオン化質量分析装置によって得られる被測定物の測定データは、三次元データである。この測定データから特徴的なマススペクトルパターンを示す一定の時間帯を採用する（ステップＡ１）。
前記採用された一定の時間帯での各質量電荷比（ｍ／ｚ）毎に、シグナル強度の平均値（平均シグナル強度）を演算する（ステップＡ２）。
そして各質量電荷比（ｍ／ｚ）と平均シグナル強度とからなる二次元のマススペクトルデータを得る（ステップＡ３）。
【００１５】
図３のフロー図を参照して、前記マススペクトルデータ抽出工程の付属的作業として、前記ステップＡ１での一定の時間帯を指定するために、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に、各サンプリング時間のシグナル強度を変量とした主成分分析を行うことにより第１〜第ｎ主成分のローディングデータを得る（ステップＡ４）。
ステップＡ４により得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データを用いて、そのそれぞれの二次元データの変曲点を抽出する（ステップＡ５）。
前記一定の時間帯は、前記得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元のマススペクトルデータと、該二次元のマススペクトルデータから抽出される１乃至複数の変曲点とに基づいて、被測定物の特徴がよく現れていると判断できる一定の時間帯を全測定時間の中から選んで、採用することになる。
より詳しくは、測定データは、それぞれの時間帯での環境状態（例えば温度、水分量、ガス種、ガス流量など）に依存した被測定試料からの発生ガス成分の質量データが記録されている。このため、個々の変曲点或いは各変曲点間の平均マススペクトルデータは、各時間帯における環境状態及び被測定試料に起因して、例えば、時間帯イでは高揮発性有機化合物の気化成分が、時間帯ロでは中揮発性有機化合物の気化成分が、時間帯ハでは難揮発性或いは不揮発性有機化合物の熱分解成分が、時間帯ニでは分析装置内の残留成分がというように、各時間帯における状態を端的に反映したものとなる。このため、個々の時間帯での特徴的な平均マススペクトルデータから、被測定試料の性状を端的に表す時間帯として、例えば時間帯ロとハを採用するといったことが、容易且つ正確に行うことが可能となる。
【００１６】
前記二次元のマススペクトルデータから抽出された変曲点の位置は、図４（Ｂ）に示すように、各クロマトグラム上のピークの位置として縦線で示している。
そしてまた前記付属的作業として、図４（Ａ）に示すように、前記得られた変曲点をトータルイオンクロマトグラム上に表示する（ステップＡ６）。
トータルイオンクロマトグラムは時間軸と総シグナル強度軸からなり、質量分析装置で得られた測定データ（三次元データ）から各サンプル時間毎の総シグナル強度を演算することで、容易に図に示すことができる。
そして、図４（Ａ）に示すように、トータルイオンクロマトグラム上に前記の変曲点を表示（三角印で表示）することで、トータルイオンクロマトグラムが示す全体の大きな変化の中で、測定者が注意すべき特定のポイントを知らせることができる。
【００１７】
＜マススペクトルデータ加工工程＞
マススペクトルデータ加工工程Ｂでは、上述したマススペクトルデータ抽出工程Ａで抽出された二次元のマススペクトルデータを、予め作成されるデータベースと同じデータ条件に加工する。
マススペクトルデータの加工は、データの規格化とスケーリング処理の少なくとも１つを行う。これによってデータベースのデータ形式に合わせるのである。
データベースは、マトリックス成分として期待される複数の成分について、予めそれらの成分についてのマススペクトルデータを得て、これをデータベースとするものである。このデータベースについては、普遍性を付与するため、少なくともデータの規格化（正規化）とスケーリング処理の少なくとも１つが施されることになる。このため、前記マススペクトルデータ抽出工程で抽出されたマススペクトルデータについても、規格化、スケーリング処理の少なくとも１つを施し、データベースのデータ形式に合わせた加工マススペクトルデータ（Ｓｕ）とするのである。前記規格化では最大値を１、最小値を０とした規格化を行う。スケーリング処理では、オートスケーリング、分散スケーリング、レンジスケーリング等の何れか１つ以上を用いる。
勿論、本工程の目的は、データベースとマススペクトルデータ抽出工程で抽出されたマススペクトルデータとのデータ条件を同じにすることであるので、具体的なデータの加工の内容は必ずしも上記規格化とスケーリング処理に限定されるものではない。
前記データベースは本発明の方法を使用する者が自ら作成する場合もあれば、既存するデータベースを採用して使用する場合もある。
【００１８】
＜マトリックス特定工程＞
マトリックス特定工程Ｃでは、加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定する。
多変量解析手段として、少なくとも改重回帰分析手段を用いる。二次元の加工マススペクトルデータ（Ｓｕ）を用いて、改重回帰分析を行うことで、被測定物のマトリックス成分がデータベースと照合されて、特定することができる。また２種類以上のマトリックス成分が混合されている場合においても、その２種類以上のマトリックス成分をそれらの混合比率を含めて特定が可能となる。
改重回帰分析手段を用いることで、例えばデータベースに登録されている複数（例えば９種）のマトリックス成分の全ての組み合わせパターンと、加工マススペクトルデータ（Ｓｕ）との相関関係を解析することで、データベースに登録されている複数のマトリックス成分の存在比に係わる係数と、解析精度を示す重相関係数と重決定係数、その他を得る。ここで、比較対象である加工マススペクトルデータ（Ｓｕ）とデータベースの両データは、何れも規格化がなされていることでシグナル強度の項が除外されているため、前記の係数から被測定物のマトリックス成分の見かけの混合比率を得ることができる。
なお、マトリックス成分が１つである場合には、多変量解析手段として主成分分析やクラスター分析を行うことで、マトリックス成分をデータベースに登録された成分との一致、不一致を視覚的に照合、判断して、マトリックスを特定することができる。その一方、マトリックス成分が２種類以上ある場合は、前記主成分分析やクラスター分析ではマトリックス成分の特定が十分には行うことができない。
また改重回帰分析を用いてマトリックスの成分と混合比率を特定する場合において、改重回帰分析の解析精度は被測定物や測定条件によって影響を受け、一定濃度未満の成分の特定は困難となる場合がある。従って改重回帰分析によりマトリックスの成分と混合比率を特定する場合に、一定濃度未満、例えば濃度が５％未満等、数％未満の混合比率として解析されたマトリックス成分については、これをマトリックス成分としては採用しないようにしてもよい。マトリックス成分として採用されなかった成分は、次に説明する標準マススペクトルデータ（Ｓｒ）の合成工程においても、マトリックス成分として用いられることはない。
【００１９】
＜標準マススペクトルデータ（Ｓｒ）合成工程＞
標準マススペクトルデータ（Ｓｒ）合成工程Ｄでは、マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する。
マトリックス特定工程で特定された１乃至複数のマトリックスに対応する標準マススペクトルデータ（Ｓｒ）は、データベースから採用することができる。
一方、例えば２種類のマトリックスのデータをその混合比率に対応して組み合わせて合成することは、各マトリックス成分におけるシグナルの出方が一様ではないことから、単純には行えない。このため、予め、その組み合わせる２種類のマトリックスが５０％、５０％で混合しているものについてのマススペクトルデータ（より詳細には、これらマススペクトルデータを改重回帰分析して得られる両マトリックスのシグナル強度の強度比）をデータベースに登録しておく必要がある。そしてその登録している混合データにおける両マトリックスのシグナル強度の強度比を用いてデータの合成を行う必要がある。
従ってデータベースとしては、予め予想される複数のマトリックス成分（例えばａ、ｂ、ｂ、ｄ、ｅの５種類）について、その全ての２つの組み合わせ（ａｂ、ａｃ、ａｄ、ａｅ、ｂｃ、ｂｄ、ｂｅ、ｃｄ、ｃｅ、ｄｅ）について、５０％、５０％で混合しているもののマススペクトルデータをデータベースとして登録しておく。
勿論、マトリックス特定工程Ｃにおいてマトリックス成分が判明した後に、それら判明した複数のマトリックス成分について、それらの全ての２つの組み合わせについての５０％、５０％混合のマススペクトルデータを採取し、各マトリックス成分間でのシグナル強度の強度比を得るようにすることも可能である。５０％、５０％混合としたのは、同量を入れたときの２成分間でのマススペクトルの強度比を得るためである。勿論、２成分間の強度比を得るのには５０％、５０％混合のものを用いる必要は必ずしもなく、他の混合比のものを用いてもシグナル強度の比を得ることはできる。
データベースとしては、マトリックスの全ての２つの組み合わせについてのシグナル強度の強度比が判っておれば十分である。例えマトリックス特定工程Ｃで特定されたマトリックスが３種類以上であっても、それら複数種類のマトリックス間のシグナル強度比は明らかにできるからである。
【００２０】
今、例えばマトリックス特定工Ｃで特定されたマトリックス成分が、オリーブ油と大豆油であり、その見かけの混合比率が８対２であると特定された場合を例にとる。
データベースに示されるオリーブ油のマススペクトルデータ（シグナル強度データ）がＬ、データベースに示される大豆油のマススペクトルデータ（シグナル強度データ）がＭ、データベースに示されるオリーブ油と大豆油のシグナル強度の比率が２対１であると、オリーブ油と大豆油とをマトリックスとする合成マススペクトルデータ（Ｓ）は次のようにして合成される。
Ｓ＝Ｌ×（８／１０）÷（２／３）＋Ｍ×（２／１０）÷（１／３）
ここで、Ｓ：合成マススペクトルデータ
Ｌ：オリーブ油のマススペクトルデータ（データベース）
Ｍ：大豆油のマススペクトルデータ（データベース）
このようにして得られた合成マススペクトルデータはデータベースのマススペクトルのデータ条件と同じにするため、例えば最大値を１、最小値を０として規格化を行うことで、標準マススペクトルデータ（Ｓｒ）となる。
【００２１】
標準マススペクトルデータ（Ｓｒ）の利用方法の１つとしては、標準マススペクトルデータ（Ｓｒ）を基準に被測定物の加工マススペクトルデータ（Ｓｕ）の各シグナルをマトリックス由来のそれとマトリックス以外のシグナルに分類するのに供することができることである。これによってマトリックス由来のシグナルを本来のターゲットとなるべきシグナルと誤判定することを避けることが可能となる。
またＴＯＦＭＳ等の精密質量が測定できる質量分析装置を使用する場合において、標準マススペクトルデータ（Ｓｒ）を用いることで、加工マススペクトルデータ（Ｓｕ）にマトリックス成分の影響が無いことが確認できれば、それによって質量分析装置による質量分離のみで各成分を十分に分離できていると判断することができるので、ガスクロマトグラフ等の分離手段を用いて分離した成分の精密質量を評価するのと同等の精度で、各成分の質量を評価することが可能となる。
【００２２】
＜ノイズ除去工程＞
ノイズ除去工程Ｅでは、前記標準マススペクトルデータ（Ｓｒ）合成工程Ｄにおいて合成された標準マススペクトルデータ（Ｓｒ）を用いて、前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリッククス由来成分によるシグナル値の重複を除去する。
標準マススペクトルデータ（Ｓｒ）は、特定されたマトリックス成分だけが含まれたマススペクトルデータである。一方、加工マススペクトルデータ（Ｓｕ）は、前記特定されたマトリックス成分とそれ以外の成分が含まれたマススペクトルデータである。
従って加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算することで、マススペクトルデータに大きな影響を与えていたマトリックス由来のシグナルを除去することができる。
これによって、特定されたマトリックス成分以外の成分のシグナルをより明瞭に分析し、その成分の特定、更には含有量の特定が可能となる。
【００２３】
ノイズ除去工程Ｅでは、前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データ（Ｓｕ−Ｓｒ）を、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）にすることができる。
前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データ（Ｓｕ−Ｓｒ）には、マトリックス成分以外の成分のシグナルの他に、質量分析装置による測定データにおけるノイズが混ざっている。
従って前記残差データ（Ｓｕ−Ｓｒ）中のノイズの影響を更に減ずる手段として、本発明では更に前記残差データ（Ｓｕ−Ｓｒ）を標準マススペクトルデータ（Ｓｒ）で除算した残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）を得るようにしている。
残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）を得ることで、マトリックス成分以外の含有成分によるシグナル強度の変化を際立たせ、一方、ノイズの影響を減じることが可能となる。
【実施例１】
【００２４】
イオン付着イオン化質量分析装置を用いて、未知植物油を被測定物Ｘとして分析した。実際には、オリーブ油９９．５％、ココナッツ油０．５％の混合比率をもつ植物油を被測定物Ｘとして、分析を行った。
【００２５】
データベースとして、オリーブ油、胡麻油、スイートアーモンド油、大豆油、ぶどう種子油、菜種油、アルガン油、ジアシルグリセロール油、ココナツ油の９種の植物油の各マススペクトルデータ（最大値を１、最小値を０として規格化したもの）及び前記９種の植物油の全ての２つの組み合わせについてのシグナル強度比とを構築した。
【００２６】
被測定物Ｘをイオン付着イオン化質量分析装置にかけて、質量電荷比（ｍ／ｚ）、時間、シグナル強度からなる三次元の測定データを得た。
そしてマススペクトルデータ抽出工程Ａでは、前記測定データを用いて、各サンプリング時間毎に各質量電荷比（ｍ／ｚ）でのシグナル強度を変量とした主成分分析を行った。そして主成分分析により得られる第１〜第ｎ主成分のローディングデータと時間との２次元のクロマトグラムの変曲点を参考にして、被測定物Ｘの特徴的なマススペクトルパターンを示す測定時間０分〜８分３０秒の時間帯を一定の時間帯として選択、採用し、この測定時間０分〜８分３０秒の間の平均マススペクトルデータを抽出した。
そしてマススペクトルデータ加工工程Ｂでは、前記抽出したマススペクトルデータを最大値を１、最小値を０として規格化し、データベースの条件と同じ条件からなる加工マススペクトルデータ（Ｓｕ）とした。
被測定物Ｘの加工マススペクトルデータ（Ｓｕ）を図５（Ａ）、（Ｂ）に示す。横軸はｍ／ｚ、縦軸は規格化したシグナル強度である。（Ｂ）は、（Ａ）の規格化したシグナル強度のスケールを拡大したものである。図５（Ａ）に示すデータは全般的にオリーブ油のシグナルを示しており、ココナッツ油のシグナルは見られない。図（Ｂ）に示す拡大したデータでは、矢印で示すように、ココナツ油のシグナルが僅かに出ているが、現実的には他のシグナルの中に埋没した状態である。
【００２７】
マトリックス特定工程Ｃでは、前記加工マススペクトルデータ（Ｓｕ）を改重回帰分析し、データベースと照合することで、被測定物Ｘのマトリックスの成分と混合比率を得た。改重回帰分析による解析結果を図６に示す。
図６の解析結果では、被測定物Ｘのマトリックスはオリーブ油が１００％という結果となっている。実際には上記したように０．５％のココナッツ油を混入させているが、濃度が前記数パーセント未満と低いため、誤差範囲内として、マトリックス成分としては採用されなかった。
【００２８】
標準マススペクトルデータ合成工程Ｄでは、前記改重回帰分析による解析結果、即ち被測定成分Ｘのマトリックスがオリーブ油１００％という解析結果に基づいて、データベースからオリーブ油のマススペクトルデータを１００％、他のマトリックス成分を０％として、標準マススペクトルデータ（Ｓｒ）を合成（実際には合成する必要は無かった）した。
図７に被測定物Ｘの標準マススペクトルデータを示す。このデータはデータベースにあるオリーブ油のマススペクトルデータに他ならない。
【００２９】
ノイズ除去工程Ｅでは、前記被測定物Ｘの加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算して、残差データ［（Ｓｕ）−（Ｓｒ）］を得る。
図８に残差データ［（Ｓｕ）−（Ｓｒ）］を示す。図８によれば、白矢印で示されるオリーブ油の他、黒矢印で示されるココナッツ油のシグナルも視認される程度になっている。即ち、ココナッツ油が被測定物Ｘに含まれていることが視認できる程度となる。
更にノイズ除去工程Ｅでは、前記残差データを標準マススペクトルデータ（Ｓｒ）で除算して、残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を得る。
図９に被測定物Ｘの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を示す。この残差変化データは、マトリックス成分やノイズによるシグナルを弱め、マトリックス成分以外の成分によるシグナルの変化を際立たせることができる。即ち、図９においては、黒矢印で示すココナッツ油によるシグナルが明白に現れている。
【実施例２】
【００３０】
イオン付着イオン化質量分析装置を用いて、未知植物油を被測定物Ｙとして分析した。実際にはオリーブ油２０％、大豆油８０％の混合比率をもつ植物油を被測定物Ｙとした。
【００３１】
実施例１の場合と同様に、データベースとして、オリーブ油、胡麻油、スイートアーモンド油、大豆油、ぶどう種子油、菜種油、アルガン油、ジアシルグリセロール油、ココナツ油の９種の植物油の各マススペクトルデータ（最大値を１、最小値を０として規格化したもの）及び前記９種の植物油の全ての２つの組み合わせについてのシグナル強度比とを構築したものを用いた。
【００３２】
実施例１の場合と同様に、被測定物Ｙをイオン付着イオン化質量分析装置にかけて、質量電荷比（ｍ／ｚ）、時間、シグナル強度からなる三次元データを得た。そしてマススペクトルデータ抽出工程Ａを経て二次元のマススペクトルデータを抽出し、マススペクトルデータ加工工程Ｂを経て加工マススペクトルデータ（Ｓｕ）を得た。
図１０に被測定物Ｙの加工マススペクトルデータ（Ｓｕ）を示す。横軸はｍ／ｚ、縦軸は規格化したシグナル強度である。図１０に示すデータは全般的にオリーブ油と大豆油のシグナルを示している。他の成分が混入しているか否かは、この加工マススペクトルデータからは定かでない。
【００３３】
更にマトリックス特定工程Ｃにおいて、被測定物Ｙの前記加工マススペクトルデータ（Ｓｕ）を改重回帰分析し、データベースと照合することで、被測定物Ｙのマトリックスの成分と混合比率を得た。改重回帰分析による解析結果を図１１に示す。
図１１の解析結果では、被測定物Ｙのマトリックスはオリーブ油が１９．４％、大豆油が８０．６％という結果となっている。実際には上記したように２０％のオリーブ油と８０％の大豆油を混入させている。
【００３４】
標準マススペクトルデータ合成工程Ｄでは、前記改重回帰分析による解析結果、即ち被測定成分Ｙのマトリックスがオリーブ油１９．４％と、大豆油８０．６％であるという解析結果に基づいて、データベースと各マトリックス間のシグナル強度比（オリーブ油と大豆油とのシグナル強度比）とから、オリーブ油を１９．４％、大豆油を８０．６％含む標準マススペクトルデータ（Ｓｒ）を合成した。
図１２に被測定物Ｙの標準マススペクトルデータ（Ｓｒ）を示す。
【００３５】
ノイズ除去工程Ｅでは、前記被測定物Ｙの加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算して、残差データ［（Ｓｕ）−（Ｓｒ）］を得る。
図１３に被測定物Ｙの残差データ［（Ｓｕ）−（Ｓｒ）］を示す。図１３によれば、残差データにおいて、オリーブ油と大豆油によるシグナル以外のシグナルは小さく、他の成分は含まれていないと判断することが可能である。しかし、明確な判断を下すことができるほどではない。
そこで、更にノイズ除去工程Ｅにおいて、前記残差データを標準マススペクトルデータ（Ｓｒ）で除算して、被測定物Ｙの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を得る。
図１４に被測定物Ｙの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を示す。この残差変化データは、マトリックス成分やノイズによるシグナルを弱め、マトリックス成分以外の成分によるシグナルの変化を際立たせることができる。即ち、図１４においては、残差変化データが各ｍ／ｚ比において何れも僅かで且つ一律的であることから、他の成分が混入されていないと判断することができる。
【産業上の利用可能性】
【００３６】
本発明の質量分析方法は、クロマトグラフ等の分離手段を組み合わせることなく、よって分析時間の短縮、分離手段における被測定成分の変性やロスの回避、被測定物の経時変化のリアルモニタリングを可能にする等のメリットを維持しながら、ソフトイオン化質量分析装置で得られる測定データからでも、共雑成分等からのノイズを除去して、成分識別を微量成分にいたるまで良好に行うことができる点において、分析分野において大きな産業上の利用可能性がある。
【技術分野】
【０００１】
本発明は質量分析方法に関し、より詳細には、ソフトイオン化法による質量データをクロマトグラフ等の分離手段を用いることなく、データ解析によって分析する質量分析方法に関する。
【背景技術】
【０００２】
質量分析装置を用いる場合、測定対象物のイオン化を行う必要がある。
ガスクロマトグラフ−質量分析装置のイオン化法として、一般的に用いられているイオン化法として電子衝撃イオン化法（ＥＩ法）がある。このＥＩ法は高エネルギーを用いるため、多数のフラグメントが生成されることから、マススペクトルの解析評価が困難となり易く、従ってクロマトグラフ等の分離手段と組み合わされて使用することが必要である。
一方、イオン付着イオン化法、ペニングイオン化法、光イオン化法等のソフトイオン化法を備えた質量分析装置では、フラグメントイオンを抑制できることから、クロマトグラフによる分離手段を省略することが可能となり、よって分析時間の短縮、分離手段における被測定物の変性やロスの回避、被測定物の経時変化のリアルモニタリング化を可能にする等のメリットがある。
【０００３】
しかしながらソフトイオン化質量分析装置では、ガスクロマトグラフ等の分離手段を用いないことによるマイナス面がいくつか存在する。
１つには、ガスクロマトグラフ等の分離手段を使用しないので、測定対象物の構成成分が複雑、多数の場合には、共雑成分のシグナルと対象成分のシグナルが重なり、良好な識別が困難となる場合がある。
特に、測定対象物が樹脂や接着剤等の高分子材料、油、生物試料等において基地成分（以下、マトリックスと称する）中に含まれる微量成分を検出する場合の影響が大きい。また有機化学物質の場合は、同位体シグナルによる重なりが成分識別の深刻な妨害となる場合がある。このような問題を回避するには、質量分解能を大きく上げ、或いはＭＳ／ＭＳ化による識別精度向上を図る必要があるが、装置の大型化、高額化の問題が生じる。
もう１つの問題は、ガスクロマトグラフ等の分離手段を用いないため、大きなシグナルの変化に隠れた微細なシグナルの変化を見落とす問題である。ガスクロマトグラフを使用する場合には、個々の微量成分が明瞭に分離され、シャープな濃縮バンドを持つため、トータルイオンクロマトグラムの各成分のピークがシャープになり、個々の成分の確認は比較的容易である。しかしガスクロマトグラフを用いないソフトイオン化質量分析装置では、主要な成分はトータルイオンクロマトグラム上でモニタリングできるが、微量成分のシグナル変化は個々のマスクロマトグラムを確認せずには判別することは困難である。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開平９−３１８５９９号公報
【特許文献２】特開２００６−１０３２３号公報
【特許文献３】特開２００７−２０５７４５号公報
【特許文献４】再表ＷＯ２００７／１０２２０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記特許文献１〜４に示される質量分析に関する装置、方法は、データの処理に関するアイデアを開示するものであるが、何れもガスクロマトグラフ等の分離手段を備えた質量分析装置を前提としたものである。
【０００６】
そこで本発明はクロマトグラフ等の分離手段を組み合わせることなく、よって分析手段の短縮、分離手段における被測定成分の変性やロスの回避、被測定物の経時変化のリアルモニタリングを可能にする等のメリットを維持しながら、ソフトイオン化質量分析装置で得られる測定データからでも、共雑成分等からのノイズを除去して、成分識別を微量成分にいたるまで良好に行うことができる質量分析方法の提供を課題とする。
【課題を解決するための手段】
【０００７】
上記課題を解決する本発明の質量分析方法は、ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物についての質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程と、
該マススペクトルデータ抽出工程で抽出されたマススペクトルデータを予め作成されるデータベースと同じデータ条件に加工するマススペクトルデータ加工工程と、
該マススペクトルデータ加工工程で得られた加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定すると共にその成分の混合比率を特定するマトリックス特定工程と、
該マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する標準マススペクトルデータ（Ｓｒ）合成工程と、
前記加工マススペクトルデータ（Ｓｕ）から前記標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリックス由来成分によるシグナル値の重複を除去するノイズ除去工程と、
を有することを第１の特徴としている。
【０００８】
また本発明の質量分析方法は、上記第１の特徴に加えて、ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれている微細な変化を残差変化データとして際立たせることを第２の特徴としている。
また本発明の質量分析方法は、上記第１又は第２の特徴に加えて、マススペクトルデータ抽出工程では、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることを第３の特徴としている。
また本発明の質量分析方法は、上記第３の特徴に加えて、一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することを第４の特徴としている。
また本発明の質量分析方法は、上記第４の特徴に加えて、マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することを第５の特徴としている。
また本発明の質量分析方法は、上記第１〜第５の何れかの特徴に加えて、マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することを第６の特徴としている。
また本発明の質量分析方法は、上記第１〜第６の何れかの特徴に加えて、マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うことを第７の特徴としている。
また本発明の質量分析方法は、上記第１〜第７の何れかの特徴に加えて、標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することを第８の特徴としている。
【発明の効果】
【０００９】
請求項１に記載の質量分析方法によれば、マススペクトルデータ抽出工程を経ることによって、ソフトイオン化質量分析装置で得られた三次元の測定データから二次元のマススペクトルデータが得られる。そしてマススペクトルデータ加工工程を経ることによって、マススペクトルデータが予め作成されるデータベースと同じデータ条件の加工マススペクトルデータ（Ｓｕ）とされる。そしてマトリックス特定工程では、加工マススペクトルデータ（Ｓｕ）が多変量解析手段により解析されて、データベースと照合されることで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分とその混合比率が特定される。そして標準マススペクトルデータ（Ｓｒ）合成工程では、データベースのマススペクトルデータから、前記特定された被測定物のマトリックス成分とその混合比率に対応した標準マススペクトルデータ（Ｓｒ）が合成される。そしてノイズ除去工程では、被測定物の加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）が減算されることで、マトリックス成分及びマトリックス由来成分の重複が加工マススペクトルデータ（Ｓｕ）から除かれる。これにより、加工マススペクトルデータ（Ｓｕ）に含まれるマトリックス以外の成分のシグナル強度がより明瞭となる。従ってマトリックス以外の成分の同定が、より精度よく且つ確実に行える。
請求項１に記載の質量分析方法によれば、ガスクロマトグラフや液体クロマトグラフ等の分離手段を組み合わせる必要なく、ソフトイオン化質量分析装置で得られる測定データから、被測定物のマトリックス成分の同定と混合比率、更には微量成分に対するマトリックス成分によるノイズを除去して、微量成分の同定をも効果的に行うことが可能となる。よってガスクロマトグラフや液体クロマトグラフ等の分離手段設備を備えることによる分析時間の増加、分離手段における被測定物の変性やロス、被測定物の経時変化のリアルモニタリングができなくなる等の問題を十分に軽減しつつ、被測定物の質量分析を良好に行うことができる。
【００１０】
請求項２に記載の質量分析方法によれば、上記請求項１に記載の構成による作用効果に加えて、ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれているシグナル強度の微細な変化を際立たせることとしているので、
被測定物のマトリックス以外の成分の識別、同定をより微量成分に至るまで良好に行うことが可能となる。
請求項３に記載の質量分析方法によれば、上記請求項１又は２に記載の構成による作用効果に加えて、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることとしているので、
ソフトイオン化質量分析装置で得られる全時間帯での３次元の全測定データに対して、成分の分析がより明確に行える一定の時間帯でのマススペクトルデータを得ることが可能となると共に、マススペクトルデータにおける各質量電荷比（ｍ／ｚ）のシグナル強度も、これをシグナル強度の平均値若しくは総和値とすることで、各質量電荷比（ｍ／ｚ）間でのシグナル強度の比較をより信頼のあるものとすることができる。
請求項４に記載の質量分析方法によれば、上記請求項３に記載の構成による作用効果に加えて、前記一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することとしているので、
被測定物に含まれる成分の特徴がよく現れた時間帯でのマススペクトルデータを得ることが可能となる。よって、より明瞭な変曲点を抽出することが可能となり、より明確な成分分析を行うことが可能となる。
請求項５に記載の質量分析方法によれば、上記請求項４に記載の構成による作用効果に加えて、マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することとしているので、
トータルイオンクロマトグラム上では確認が容易ではないマススペクトルパターンの変化の傾向を測定者に知らしめ、注意を喚起することができる。
【００１１】
また請求項６に記載の質量分析方法によれば、上記請求項１〜５の何れかに記載の構成による作用効果に加えて、マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することとしているので、
多変量解析手段による解析とそれに伴うデータベースとの比較、照合を、同じ条件下でのデータに基づき、確実、容易に行うことができる。
また請求項７に記載の質量分析方法によれば、上記請求項１〜６の何れかに記載の構成による作用効果に加えて、マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うこととしているので、
条件をデータベースと同じにした加工マススペクトルデータ（Ｓｕ）の改重回帰分析により、現に加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分と混合比率を特定することができる。
また請求項８に記載の質量分析方法によれば、上記請求項１〜５の何れかに記載の構成による作用効果に加えて、標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することとしているので、
特定された１乃至複数のマトリックス成分が特定された混合比率で混合している場合に生じるであろう、標準となるべきマススペクトルデータをデータベースから作成することができ、従って標準マススペクトルデータ（Ｓｒ）を用いて、被測定物の加工マススペクトルデータ（Ｓｕ）に含まれるマトリックスの影響を取り除くことが可能となる。
【図面の簡単な説明】
【００１２】
【図１】本発明の質量分析方法を説明するフロー図である。
【図２】本発明の質量分析方法のマススペクトルデータ抽出工程を説明するフロー図である。
【図３】本発明の質量分析方法のマススペクトルデータ抽出工程における付属的作業を説明するフロー図である。
【図４】本発明の質量分析方法のマススペクトルデータ抽出工程の付属的作業において得た図で、（Ａ）は（Ｂ）における第１〜第６主成分の各クロマトグラムの変曲点を表示したトータルイオンクロマトグラム、（Ｂ）は、主成分分析で得た各第１〜第６主成分のローディングデータと時間とからなる二次元データを表示したクロマトグラムを示す図である。
【図５】本発明の実施例１において、マススペクトルデータ抽出工程及びマススペクトルデータ加工工程を経て得た被測定物の加工マススペクトルデータ（Ｓｕ）を示す図で、（Ａ）はシグナル強度を通常スケールで表したもの、（Ｂ）はシグナル強度を拡大スケールで表したものである。
【図６】本発明の実施例１において、マトリックス特定工程での改重回帰分析で得られた被測定物のマトリックスの成分と混合比率についての解析結果を示す図である。実際の混合比を理論値として併せて表示している。
【図７】本発明の実施例１において、標準マススペクトルデータ合成工程を経て得た被測定物の標準マススペクトルデータ（Ｓｕ）を示す図である。
【図８】本発明の実施例１において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを示す図である。
【図９】本発明の実施例１において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データを示す図である。
【図１０】本発明の実施例２において、マススペクトルデータ抽出工程及びマススペクトルデータ加工工程を経て得た被測定物の加工マススペクトルデータ（Ｓｕ）を示す図で、（Ａ）はシグナル強度を通常スケールで表したもの、（Ｂ）はシグナル強度を拡大スケールで表したものである。
【図１１】本発明の実施例２において、マトリックス特定工程での改重回帰分析で得られた被測定物のマトリックスの成分と混合比率についての解析結果を示す図である。実際の混合比を理論値として併せて表示している。
【図１２】本発明の実施例２において、標準マススペクトルデータ合成工程を経て得た被測定物の標準マススペクトルデータ（Ｓｕ）を示す図である。
【図１３】本発明の実施例２において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを示す図である。
【図１４】本発明の実施例２において、ノイズ除去工程での加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データを示す図である。
【発明を実施するための形態】
【００１３】
本発明の実施形態を図面も参照して以下に説明する。
図１のフロー図を参照して、本発明の質量分析方法は、マススペクトルデータ抽出工程Ａと、マススペクトルデータ加工工程Ｂと、マトリックス特定工程Ｃと、標準マススペクトルデータ（Ｓｒ）合成工程Ｄと、ノイズ除去工程Ｅとを有している。
【００１４】
＜マススペクトルデータ抽出工程＞
図２のフロー図を参照して、マススペクトルデータ抽出工程Ａでは、ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物のマススペクトルデータを抽出する。
前記ソフトイオン化質量分析装置は、イオン付着イオン化法、ペニングイオン化法、光イオン化法、電界イオン化法、電界脱離イオン化法、エレクトロスプレーイオン化法、ナノエレクトロスプレーイオン化法、探針エレクトロスプレーイオン化法、マトリックス支援レーザー脱離イオン化法等、被測定物のフラグメントイオンの生成を抑制し、分子イオンにして検出することができる、いわゆるソフトイオン化法の手段を備えた質量分析装置を言うものとする。
ソフトイオン化質量分析装置によって得られる被測定物の測定データは、三次元データである。この測定データから特徴的なマススペクトルパターンを示す一定の時間帯を採用する（ステップＡ１）。
前記採用された一定の時間帯での各質量電荷比（ｍ／ｚ）毎に、シグナル強度の平均値（平均シグナル強度）を演算する（ステップＡ２）。
そして各質量電荷比（ｍ／ｚ）と平均シグナル強度とからなる二次元のマススペクトルデータを得る（ステップＡ３）。
【００１５】
図３のフロー図を参照して、前記マススペクトルデータ抽出工程の付属的作業として、前記ステップＡ１での一定の時間帯を指定するために、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に、各サンプリング時間のシグナル強度を変量とした主成分分析を行うことにより第１〜第ｎ主成分のローディングデータを得る（ステップＡ４）。
ステップＡ４により得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データを用いて、そのそれぞれの二次元データの変曲点を抽出する（ステップＡ５）。
前記一定の時間帯は、前記得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元のマススペクトルデータと、該二次元のマススペクトルデータから抽出される１乃至複数の変曲点とに基づいて、被測定物の特徴がよく現れていると判断できる一定の時間帯を全測定時間の中から選んで、採用することになる。
より詳しくは、測定データは、それぞれの時間帯での環境状態（例えば温度、水分量、ガス種、ガス流量など）に依存した被測定試料からの発生ガス成分の質量データが記録されている。このため、個々の変曲点或いは各変曲点間の平均マススペクトルデータは、各時間帯における環境状態及び被測定試料に起因して、例えば、時間帯イでは高揮発性有機化合物の気化成分が、時間帯ロでは中揮発性有機化合物の気化成分が、時間帯ハでは難揮発性或いは不揮発性有機化合物の熱分解成分が、時間帯ニでは分析装置内の残留成分がというように、各時間帯における状態を端的に反映したものとなる。このため、個々の時間帯での特徴的な平均マススペクトルデータから、被測定試料の性状を端的に表す時間帯として、例えば時間帯ロとハを採用するといったことが、容易且つ正確に行うことが可能となる。
【００１６】
前記二次元のマススペクトルデータから抽出された変曲点の位置は、図４（Ｂ）に示すように、各クロマトグラム上のピークの位置として縦線で示している。
そしてまた前記付属的作業として、図４（Ａ）に示すように、前記得られた変曲点をトータルイオンクロマトグラム上に表示する（ステップＡ６）。
トータルイオンクロマトグラムは時間軸と総シグナル強度軸からなり、質量分析装置で得られた測定データ（三次元データ）から各サンプル時間毎の総シグナル強度を演算することで、容易に図に示すことができる。
そして、図４（Ａ）に示すように、トータルイオンクロマトグラム上に前記の変曲点を表示（三角印で表示）することで、トータルイオンクロマトグラムが示す全体の大きな変化の中で、測定者が注意すべき特定のポイントを知らせることができる。
【００１７】
＜マススペクトルデータ加工工程＞
マススペクトルデータ加工工程Ｂでは、上述したマススペクトルデータ抽出工程Ａで抽出された二次元のマススペクトルデータを、予め作成されるデータベースと同じデータ条件に加工する。
マススペクトルデータの加工は、データの規格化とスケーリング処理の少なくとも１つを行う。これによってデータベースのデータ形式に合わせるのである。
データベースは、マトリックス成分として期待される複数の成分について、予めそれらの成分についてのマススペクトルデータを得て、これをデータベースとするものである。このデータベースについては、普遍性を付与するため、少なくともデータの規格化（正規化）とスケーリング処理の少なくとも１つが施されることになる。このため、前記マススペクトルデータ抽出工程で抽出されたマススペクトルデータについても、規格化、スケーリング処理の少なくとも１つを施し、データベースのデータ形式に合わせた加工マススペクトルデータ（Ｓｕ）とするのである。前記規格化では最大値を１、最小値を０とした規格化を行う。スケーリング処理では、オートスケーリング、分散スケーリング、レンジスケーリング等の何れか１つ以上を用いる。
勿論、本工程の目的は、データベースとマススペクトルデータ抽出工程で抽出されたマススペクトルデータとのデータ条件を同じにすることであるので、具体的なデータの加工の内容は必ずしも上記規格化とスケーリング処理に限定されるものではない。
前記データベースは本発明の方法を使用する者が自ら作成する場合もあれば、既存するデータベースを採用して使用する場合もある。
【００１８】
＜マトリックス特定工程＞
マトリックス特定工程Ｃでは、加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定する。
多変量解析手段として、少なくとも改重回帰分析手段を用いる。二次元の加工マススペクトルデータ（Ｓｕ）を用いて、改重回帰分析を行うことで、被測定物のマトリックス成分がデータベースと照合されて、特定することができる。また２種類以上のマトリックス成分が混合されている場合においても、その２種類以上のマトリックス成分をそれらの混合比率を含めて特定が可能となる。
改重回帰分析手段を用いることで、例えばデータベースに登録されている複数（例えば９種）のマトリックス成分の全ての組み合わせパターンと、加工マススペクトルデータ（Ｓｕ）との相関関係を解析することで、データベースに登録されている複数のマトリックス成分の存在比に係わる係数と、解析精度を示す重相関係数と重決定係数、その他を得る。ここで、比較対象である加工マススペクトルデータ（Ｓｕ）とデータベースの両データは、何れも規格化がなされていることでシグナル強度の項が除外されているため、前記の係数から被測定物のマトリックス成分の見かけの混合比率を得ることができる。
なお、マトリックス成分が１つである場合には、多変量解析手段として主成分分析やクラスター分析を行うことで、マトリックス成分をデータベースに登録された成分との一致、不一致を視覚的に照合、判断して、マトリックスを特定することができる。その一方、マトリックス成分が２種類以上ある場合は、前記主成分分析やクラスター分析ではマトリックス成分の特定が十分には行うことができない。
また改重回帰分析を用いてマトリックスの成分と混合比率を特定する場合において、改重回帰分析の解析精度は被測定物や測定条件によって影響を受け、一定濃度未満の成分の特定は困難となる場合がある。従って改重回帰分析によりマトリックスの成分と混合比率を特定する場合に、一定濃度未満、例えば濃度が５％未満等、数％未満の混合比率として解析されたマトリックス成分については、これをマトリックス成分としては採用しないようにしてもよい。マトリックス成分として採用されなかった成分は、次に説明する標準マススペクトルデータ（Ｓｒ）の合成工程においても、マトリックス成分として用いられることはない。
【００１９】
＜標準マススペクトルデータ（Ｓｒ）合成工程＞
標準マススペクトルデータ（Ｓｒ）合成工程Ｄでは、マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する。
マトリックス特定工程で特定された１乃至複数のマトリックスに対応する標準マススペクトルデータ（Ｓｒ）は、データベースから採用することができる。
一方、例えば２種類のマトリックスのデータをその混合比率に対応して組み合わせて合成することは、各マトリックス成分におけるシグナルの出方が一様ではないことから、単純には行えない。このため、予め、その組み合わせる２種類のマトリックスが５０％、５０％で混合しているものについてのマススペクトルデータ（より詳細には、これらマススペクトルデータを改重回帰分析して得られる両マトリックスのシグナル強度の強度比）をデータベースに登録しておく必要がある。そしてその登録している混合データにおける両マトリックスのシグナル強度の強度比を用いてデータの合成を行う必要がある。
従ってデータベースとしては、予め予想される複数のマトリックス成分（例えばａ、ｂ、ｂ、ｄ、ｅの５種類）について、その全ての２つの組み合わせ（ａｂ、ａｃ、ａｄ、ａｅ、ｂｃ、ｂｄ、ｂｅ、ｃｄ、ｃｅ、ｄｅ）について、５０％、５０％で混合しているもののマススペクトルデータをデータベースとして登録しておく。
勿論、マトリックス特定工程Ｃにおいてマトリックス成分が判明した後に、それら判明した複数のマトリックス成分について、それらの全ての２つの組み合わせについての５０％、５０％混合のマススペクトルデータを採取し、各マトリックス成分間でのシグナル強度の強度比を得るようにすることも可能である。５０％、５０％混合としたのは、同量を入れたときの２成分間でのマススペクトルの強度比を得るためである。勿論、２成分間の強度比を得るのには５０％、５０％混合のものを用いる必要は必ずしもなく、他の混合比のものを用いてもシグナル強度の比を得ることはできる。
データベースとしては、マトリックスの全ての２つの組み合わせについてのシグナル強度の強度比が判っておれば十分である。例えマトリックス特定工程Ｃで特定されたマトリックスが３種類以上であっても、それら複数種類のマトリックス間のシグナル強度比は明らかにできるからである。
【００２０】
今、例えばマトリックス特定工Ｃで特定されたマトリックス成分が、オリーブ油と大豆油であり、その見かけの混合比率が８対２であると特定された場合を例にとる。
データベースに示されるオリーブ油のマススペクトルデータ（シグナル強度データ）がＬ、データベースに示される大豆油のマススペクトルデータ（シグナル強度データ）がＭ、データベースに示されるオリーブ油と大豆油のシグナル強度の比率が２対１であると、オリーブ油と大豆油とをマトリックスとする合成マススペクトルデータ（Ｓ）は次のようにして合成される。
Ｓ＝Ｌ×（８／１０）÷（２／３）＋Ｍ×（２／１０）÷（１／３）
ここで、Ｓ：合成マススペクトルデータ
Ｌ：オリーブ油のマススペクトルデータ（データベース）
Ｍ：大豆油のマススペクトルデータ（データベース）
このようにして得られた合成マススペクトルデータはデータベースのマススペクトルのデータ条件と同じにするため、例えば最大値を１、最小値を０として規格化を行うことで、標準マススペクトルデータ（Ｓｒ）となる。
【００２１】
標準マススペクトルデータ（Ｓｒ）の利用方法の１つとしては、標準マススペクトルデータ（Ｓｒ）を基準に被測定物の加工マススペクトルデータ（Ｓｕ）の各シグナルをマトリックス由来のそれとマトリックス以外のシグナルに分類するのに供することができることである。これによってマトリックス由来のシグナルを本来のターゲットとなるべきシグナルと誤判定することを避けることが可能となる。
またＴＯＦＭＳ等の精密質量が測定できる質量分析装置を使用する場合において、標準マススペクトルデータ（Ｓｒ）を用いることで、加工マススペクトルデータ（Ｓｕ）にマトリックス成分の影響が無いことが確認できれば、それによって質量分析装置による質量分離のみで各成分を十分に分離できていると判断することができるので、ガスクロマトグラフ等の分離手段を用いて分離した成分の精密質量を評価するのと同等の精度で、各成分の質量を評価することが可能となる。
【００２２】
＜ノイズ除去工程＞
ノイズ除去工程Ｅでは、前記標準マススペクトルデータ（Ｓｒ）合成工程Ｄにおいて合成された標準マススペクトルデータ（Ｓｒ）を用いて、前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリッククス由来成分によるシグナル値の重複を除去する。
標準マススペクトルデータ（Ｓｒ）は、特定されたマトリックス成分だけが含まれたマススペクトルデータである。一方、加工マススペクトルデータ（Ｓｕ）は、前記特定されたマトリックス成分とそれ以外の成分が含まれたマススペクトルデータである。
従って加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算することで、マススペクトルデータに大きな影響を与えていたマトリックス由来のシグナルを除去することができる。
これによって、特定されたマトリックス成分以外の成分のシグナルをより明瞭に分析し、その成分の特定、更には含有量の特定が可能となる。
【００２３】
ノイズ除去工程Ｅでは、前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データ（Ｓｕ−Ｓｒ）を、更に標準マススペクトルデータ（Ｓｒ）で除算した残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）にすることができる。
前記加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データ（Ｓｕ−Ｓｒ）には、マトリックス成分以外の成分のシグナルの他に、質量分析装置による測定データにおけるノイズが混ざっている。
従って前記残差データ（Ｓｕ−Ｓｒ）中のノイズの影響を更に減ずる手段として、本発明では更に前記残差データ（Ｓｕ−Ｓｒ）を標準マススペクトルデータ（Ｓｒ）で除算した残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）を得るようにしている。
残差変化データ（Ｓｕ−Ｓｒ）／（Ｓｒ）を得ることで、マトリックス成分以外の含有成分によるシグナル強度の変化を際立たせ、一方、ノイズの影響を減じることが可能となる。
【実施例１】
【００２４】
イオン付着イオン化質量分析装置を用いて、未知植物油を被測定物Ｘとして分析した。実際には、オリーブ油９９．５％、ココナッツ油０．５％の混合比率をもつ植物油を被測定物Ｘとして、分析を行った。
【００２５】
データベースとして、オリーブ油、胡麻油、スイートアーモンド油、大豆油、ぶどう種子油、菜種油、アルガン油、ジアシルグリセロール油、ココナツ油の９種の植物油の各マススペクトルデータ（最大値を１、最小値を０として規格化したもの）及び前記９種の植物油の全ての２つの組み合わせについてのシグナル強度比とを構築した。
【００２６】
被測定物Ｘをイオン付着イオン化質量分析装置にかけて、質量電荷比（ｍ／ｚ）、時間、シグナル強度からなる三次元の測定データを得た。
そしてマススペクトルデータ抽出工程Ａでは、前記測定データを用いて、各サンプリング時間毎に各質量電荷比（ｍ／ｚ）でのシグナル強度を変量とした主成分分析を行った。そして主成分分析により得られる第１〜第ｎ主成分のローディングデータと時間との２次元のクロマトグラムの変曲点を参考にして、被測定物Ｘの特徴的なマススペクトルパターンを示す測定時間０分〜８分３０秒の時間帯を一定の時間帯として選択、採用し、この測定時間０分〜８分３０秒の間の平均マススペクトルデータを抽出した。
そしてマススペクトルデータ加工工程Ｂでは、前記抽出したマススペクトルデータを最大値を１、最小値を０として規格化し、データベースの条件と同じ条件からなる加工マススペクトルデータ（Ｓｕ）とした。
被測定物Ｘの加工マススペクトルデータ（Ｓｕ）を図５（Ａ）、（Ｂ）に示す。横軸はｍ／ｚ、縦軸は規格化したシグナル強度である。（Ｂ）は、（Ａ）の規格化したシグナル強度のスケールを拡大したものである。図５（Ａ）に示すデータは全般的にオリーブ油のシグナルを示しており、ココナッツ油のシグナルは見られない。図（Ｂ）に示す拡大したデータでは、矢印で示すように、ココナツ油のシグナルが僅かに出ているが、現実的には他のシグナルの中に埋没した状態である。
【００２７】
マトリックス特定工程Ｃでは、前記加工マススペクトルデータ（Ｓｕ）を改重回帰分析し、データベースと照合することで、被測定物Ｘのマトリックスの成分と混合比率を得た。改重回帰分析による解析結果を図６に示す。
図６の解析結果では、被測定物Ｘのマトリックスはオリーブ油が１００％という結果となっている。実際には上記したように０．５％のココナッツ油を混入させているが、濃度が前記数パーセント未満と低いため、誤差範囲内として、マトリックス成分としては採用されなかった。
【００２８】
標準マススペクトルデータ合成工程Ｄでは、前記改重回帰分析による解析結果、即ち被測定成分Ｘのマトリックスがオリーブ油１００％という解析結果に基づいて、データベースからオリーブ油のマススペクトルデータを１００％、他のマトリックス成分を０％として、標準マススペクトルデータ（Ｓｒ）を合成（実際には合成する必要は無かった）した。
図７に被測定物Ｘの標準マススペクトルデータを示す。このデータはデータベースにあるオリーブ油のマススペクトルデータに他ならない。
【００２９】
ノイズ除去工程Ｅでは、前記被測定物Ｘの加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算して、残差データ［（Ｓｕ）−（Ｓｒ）］を得る。
図８に残差データ［（Ｓｕ）−（Ｓｒ）］を示す。図８によれば、白矢印で示されるオリーブ油の他、黒矢印で示されるココナッツ油のシグナルも視認される程度になっている。即ち、ココナッツ油が被測定物Ｘに含まれていることが視認できる程度となる。
更にノイズ除去工程Ｅでは、前記残差データを標準マススペクトルデータ（Ｓｒ）で除算して、残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を得る。
図９に被測定物Ｘの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を示す。この残差変化データは、マトリックス成分やノイズによるシグナルを弱め、マトリックス成分以外の成分によるシグナルの変化を際立たせることができる。即ち、図９においては、黒矢印で示すココナッツ油によるシグナルが明白に現れている。
【実施例２】
【００３０】
イオン付着イオン化質量分析装置を用いて、未知植物油を被測定物Ｙとして分析した。実際にはオリーブ油２０％、大豆油８０％の混合比率をもつ植物油を被測定物Ｙとした。
【００３１】
実施例１の場合と同様に、データベースとして、オリーブ油、胡麻油、スイートアーモンド油、大豆油、ぶどう種子油、菜種油、アルガン油、ジアシルグリセロール油、ココナツ油の９種の植物油の各マススペクトルデータ（最大値を１、最小値を０として規格化したもの）及び前記９種の植物油の全ての２つの組み合わせについてのシグナル強度比とを構築したものを用いた。
【００３２】
実施例１の場合と同様に、被測定物Ｙをイオン付着イオン化質量分析装置にかけて、質量電荷比（ｍ／ｚ）、時間、シグナル強度からなる三次元データを得た。そしてマススペクトルデータ抽出工程Ａを経て二次元のマススペクトルデータを抽出し、マススペクトルデータ加工工程Ｂを経て加工マススペクトルデータ（Ｓｕ）を得た。
図１０に被測定物Ｙの加工マススペクトルデータ（Ｓｕ）を示す。横軸はｍ／ｚ、縦軸は規格化したシグナル強度である。図１０に示すデータは全般的にオリーブ油と大豆油のシグナルを示している。他の成分が混入しているか否かは、この加工マススペクトルデータからは定かでない。
【００３３】
更にマトリックス特定工程Ｃにおいて、被測定物Ｙの前記加工マススペクトルデータ（Ｓｕ）を改重回帰分析し、データベースと照合することで、被測定物Ｙのマトリックスの成分と混合比率を得た。改重回帰分析による解析結果を図１１に示す。
図１１の解析結果では、被測定物Ｙのマトリックスはオリーブ油が１９．４％、大豆油が８０．６％という結果となっている。実際には上記したように２０％のオリーブ油と８０％の大豆油を混入させている。
【００３４】
標準マススペクトルデータ合成工程Ｄでは、前記改重回帰分析による解析結果、即ち被測定成分Ｙのマトリックスがオリーブ油１９．４％と、大豆油８０．６％であるという解析結果に基づいて、データベースと各マトリックス間のシグナル強度比（オリーブ油と大豆油とのシグナル強度比）とから、オリーブ油を１９．４％、大豆油を８０．６％含む標準マススペクトルデータ（Ｓｒ）を合成した。
図１２に被測定物Ｙの標準マススペクトルデータ（Ｓｒ）を示す。
【００３５】
ノイズ除去工程Ｅでは、前記被測定物Ｙの加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算して、残差データ［（Ｓｕ）−（Ｓｒ）］を得る。
図１３に被測定物Ｙの残差データ［（Ｓｕ）−（Ｓｒ）］を示す。図１３によれば、残差データにおいて、オリーブ油と大豆油によるシグナル以外のシグナルは小さく、他の成分は含まれていないと判断することが可能である。しかし、明確な判断を下すことができるほどではない。
そこで、更にノイズ除去工程Ｅにおいて、前記残差データを標準マススペクトルデータ（Ｓｒ）で除算して、被測定物Ｙの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を得る。
図１４に被測定物Ｙの残差変化データ［（Ｓｕ）−（Ｓｒ）］／（Ｓｒ）を示す。この残差変化データは、マトリックス成分やノイズによるシグナルを弱め、マトリックス成分以外の成分によるシグナルの変化を際立たせることができる。即ち、図１４においては、残差変化データが各ｍ／ｚ比において何れも僅かで且つ一律的であることから、他の成分が混入されていないと判断することができる。
【産業上の利用可能性】
【００３６】
本発明の質量分析方法は、クロマトグラフ等の分離手段を組み合わせることなく、よって分析時間の短縮、分離手段における被測定成分の変性やロスの回避、被測定物の経時変化のリアルモニタリングを可能にする等のメリットを維持しながら、ソフトイオン化質量分析装置で得られる測定データからでも、共雑成分等からのノイズを除去して、成分識別を微量成分にいたるまで良好に行うことができる点において、分析分野において大きな産業上の利用可能性がある。
【特許請求の範囲】
【請求項１】
ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物についての質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程と、
該マススペクトルデータ抽出工程で抽出されたマススペクトルデータを予め作成されるデータベースと同じデータ条件に加工するマススペクトルデータ加工工程と、
該マススペクトルデータ加工工程で得られた加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定すると共にその成分の混合比率を特定するマトリックス特定工程と、
該マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する標準マススペクトルデータ（Ｓｒ）合成工程と、
前記加工マススペクトルデータ（Ｓｕ）から前記標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリックス由来成分によるシグナル値の重複を除去するノイズ除去工程と、
を有することを特徴とする質量分析方法。
【請求項２】
ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれている微細な変化を残差変化データとして際立たせることを特徴とする請求項１に記載の質量分析方法。
【請求項３】
マススペクトルデータ抽出工程では、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることを特徴とする請求項１又は２に記載の質量分析方法。
【請求項４】
一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することを特徴とする請求項３に記載の質量分析方法。
【請求項５】
マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することを特徴とする請求項４に記載の質量分析方法。
【請求項６】
マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することを特徴とする請求項１〜５の何れかに記載の質量分析方法。
【請求項７】
マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うことを特徴とする請求項１〜６の何れかに記載の質量分析方法。
【請求項８】
標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することを特徴とする請求項１〜７の何れかに記載の質量分析方法。
【請求項１】
ソフトイオン化質量分析装置で得られる時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データから、被測定物についての質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを抽出するマススペクトルデータ抽出工程と、
該マススペクトルデータ抽出工程で抽出されたマススペクトルデータを予め作成されるデータベースと同じデータ条件に加工するマススペクトルデータ加工工程と、
該マススペクトルデータ加工工程で得られた加工マススペクトルデータ（Ｓｕ）を、多変量解析手段を用いて、前記データベースと照合することで、加工マススペクトルデータ（Ｓｕ）に含まれる１乃至複数のマトリックスの成分を特定すると共にその成分の混合比率を特定するマトリックス特定工程と、
該マトリックス特定工程で特定されたマトリックスの成分及び混合比率とから、その成分及び混合比率に対応したマススペクトルデータを、標準マススペクトルデータ（Ｓｒ）として、データベースのマススペクトルデータから合成する標準マススペクトルデータ（Ｓｒ）合成工程と、
前記加工マススペクトルデータ（Ｓｕ）から前記標準マススペクトルデータ（Ｓｒ）を減算することで、加工マススペクトルデータ（Ｓｕ）からマトリックス成分及びマトリックス由来成分によるシグナル値の重複を除去するノイズ除去工程と、
を有することを特徴とする質量分析方法。
【請求項２】
ノイズ除去工程では、加工マススペクトルデータ（Ｓｕ）から標準マススペクトルデータ（Ｓｒ）を減算した残差データを更に標準マススペクトルデータ（Ｓｒ）で除算することで、マトリックス中に埋もれている微細な変化を残差変化データとして際立たせることを特徴とする請求項１に記載の質量分析方法。
【請求項３】
マススペクトルデータ抽出工程では、ソフトイオン化質量分析装置での時間、質量電荷比（ｍ／ｚ）及びシグナル強度からなる三次元の測定データに対して、一定の時間帯における各質量電荷比（ｍ／ｚ）毎のシグナル強度の平均値若しくは総和値を得て、質量電荷比（ｍ／ｚ）とシグナル強度とからなる二次元のマススペクトルデータを得ることを特徴とする請求項１又は２に記載の質量分析方法。
【請求項４】
一定の時間帯の採用は、三次元の測定データの各質量電荷比（ｍ／ｚ）毎に各サンプリング時間のシグナル強度を変量とした主成分分析を行い、得られた第１〜第ｎ主成分のローディングデータと時間とからなる二次元データと、該二次元データから抽出される１乃至複数の変曲点とに基づいて、一定の時間帯を採用することを特徴とする請求項３に記載の質量分析方法。
【請求項５】
マススペクトルデータ抽出工程で得た二次元データの変曲点を、三次元測定データから得られるトータルイオンクロマトグラム上に表示することを特徴とする請求項４に記載の質量分析方法。
【請求項６】
マススペクトルデータ加工工程では、抽出されたマススペクトルデータの規格化とスケーリング処理の少なくとも１つを行うことで、予め作成されるデータベースと同じデータ条件のマススペクトルデータに加工することを特徴とする請求項１〜５の何れかに記載の質量分析方法。
【請求項７】
マトリックス特定工程では、多変量解析手段として少なくとも改重回帰分析手段を用いて、加工マススペクトルデータ（Ｓｕ）とデータベースのマススペクトルデータとの照合を行うことで、マトリックスの成分とその混合比率の特定を行うことを特徴とする請求項１〜６の何れかに記載の質量分析方法。
【請求項８】
標準マススペクトルデータ（Ｓｒ）合成工程では、マトリックス特定工程で特定された１乃至複数のマトリックス成分の各マススペクトルデータをデータベースから採用すると共に、この採用したデータベースからの各マススペクトルデータを、前記１乃至複数のマトリックス成分の混合比率に対応して組み合わせることで標準マススペクトルデータ（Ｓｒ）を合成することを特徴とする請求項１〜７の何れかに記載の質量分析方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２０１２−４７４５３（Ｐ２０１２−４７４５３Ａ）
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願番号】特願２０１０−１８６７８３（Ｐ２０１０−１８６７８３）
【出願日】平成２２年８月２４日（２０１０．８．２４）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２２年度、経済産業省、地域イノベーション創出研究開発事業、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（５００４８３７８１）ツルイ化学株式会社 (8)
【Ｆターム（参考）】
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願日】平成２２年８月２４日（２０１０．８．２４）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２２年度、経済産業省、地域イノベーション創出研究開発事業、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（５００４８３７８１）ツルイ化学株式会社 (8)
【Ｆターム（参考）】
[ Back to top ]