Detection and integration of chromatographic peaks using theoretical peak fitting

Thumbnail Image

Files

master_Kuikka_Juho_2022.pdf (1.61 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2022-06-13

Department

Major/Subject

Machine Learning, Data Science and Artificial Intelligence

Mcode

SCI3044

Degree programme

Master’s Programme in Computer, Communication and Information Sciences

Language

en

Pages

56

Series

Abstract

Peak detection is a fundamental part of chromatography data analysis. In liquid chromatography-mass spectrometry (LC-MS) method development, accurate peak detection is crucial to producing reliable results. Noise in the chromatogram, among other things, can make peak detection challenging. In this Master's thesis, a literature review of peak detection and integration methods is presented, as well as methods used to estimate noise in the chromatogram signal prior to peak detection. A novel framework for detecting chromatographic peaks that uses theoretical peak shapes is also introduced. The second part of this thesis consists of a case study where the goal is to reduce the relative standard deviation of the integrated peak areas, since this parameter correlates with the method performance. A peak detection and integration framework was developed and applied to data sets produced with the LC/MS method. The framework had a couple of options for estimating noise in the chromatogram data and detecting the start and end points of the peak. The methods for detecting the start and end points of peaks is based on fitting a theoretical peak to the chromatograms. The relative standard deviations obtained with the framework are compared to the relative standard deviations obtained with a known peak detection method from the literature and to the currently used method in the analyzers. The proposed framework performed well compared to the other methods, despite the noise in the data and the varying peak shapes. In most of the analysed data sets, the proposed framework was able to produce lower relative standard deviations of the integrated areas. It was concluded that fitting a theoretical peak improved the precision of the detection and integration of chromatographic peaks.

Piikin tunnistus on oleellinen osa kromatografialla mitatun datan analysointia. Tarkka piikin tunnistus on hyvin tärkeä osa nestekromatografiaan ja massaspektrometriaan (liquid chromatography-mass spectrometry, LC-MS) perustuvien menetelmien kehityksessä, sillä tarkka piikin tunnistus mahdollistaa luotettavat analyysitulokset. Kohina kromatogrammeissa, muiden mahdollisten häiriöiden lisäksi, voi aiheuttaa haasteita piikin tunnistuksessa. Tässä diplomityössä esitellään sekä kirjallisuuskatsauksella piikin tunnistus ja integrointi menetelmiä, että menetelmiä kohinan arviointiin ennen piikin tunnistusta. Työssä esitellään myös uusi viitekehys kromatografialla mitatun datan piikin tunnistukseen ja integrointiin. Tämän diplomityön toinen osa koostuu tapaustutkimuksesta, jossa tavoitteena oli pienentää integroitujen piikkien pinta-alojen suhteellista keskihajontaa. Tämä parametri korreloi metodin suorituskyvyn kanssa. Viitekehys piikin tunnistukseen ja integrointiin kehitettiin käyttäen LC-MS:llä tuotettua mittausdatajoukkoa. Viitekehys sisälsi vaihtoehtoja sekä kohinatason laskemiseen, että piikkien integroinnin alku- ja loppupisteiden arviointiin. Piikkien integroinnin alku- ja loppupisteiden arviointi perustuu teoreettisen piikinmuodon sovitukseen. Viitekehyksen menetelmiä käyttäen saavutettuja piikin pinta-alan suhteellisia keskihajontoja vertaillaan sekä vastaaviin kirjallisuusarvoihin että analysaattorin nykyisen menetelmän tuottamiin arvoihin. Ehdotettu viitekehys suoriutui paremmin kuin verrokit siitä huolimatta, että data oli kohinaista ja sisälsi vaihtelevia piikkien muotoja. Ehdotetut metodit viitekehyksessä onnistuivat tuottamaan pienempiä suhteellisia keskihajontoja integroitujen piikkien pinta-aloissa useimmissa analysoiduissa datajoukoissa. Tulokset osoittivat, että teoreettisen piikinmuodon sovittaminen paransi kromatogrammien analysoinnin tarkkuutta.

Description

Supervisor

Rousu, Juho

Thesis advisor

Brito, Thiago

Keywords

peak detection, peak fitting, LC-MS, relative standard deviation

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202206194039

Collections

[dipl] Perustieteiden korkeakoulu / SCI