基于离子化效率预测的液相色谱-高分辨质谱非靶 - 分析化学杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 分析化学

一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。六、处理流程：（1）通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4）杂志出刊后，我们会按照您提供的地址免费奉寄样刊。七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。

基于离子化效率预测的液相色谱-高分辨质谱非靶

作者:

关键词:

摘要：

研究背景与问题

在食品和环境领域，液相色谱-高分辨质谱（LC-HRMS）非靶向分析方法的广泛应用推动了快速和高效的分析检测。然而，由于缺乏参考标准化合物，对未知化合物的定量分析仍然是一个挑战。传统的定量分析方法如内标法或标准曲线法在无标准物的情况下难以实现。因此，研究一种能够基于离子化效率预测进行非靶向半定量分析的新方法成为当前研究的热点。

研究方法

本研究采用多元线性回归（MLR）和机器学习算法等统计方法，旨在建立化合物离子化效率与分子结构之间的定量结构-性质关系（QSAR）。具体而言，通过收集大量化合物的LC-HRMS数据，构建了包含离子化效率、分子结构参数等多个特征的训练数据集。然后，利用这些数据集训练模型，使其能够根据化合物的离子化效率预测其浓度，从而实现非靶向半定量分析。

核心结果

研究发现，基于离子化效率的QSAR模型具有较高的预测准确性和泛化能力。通过对比MLR和机器学习算法，结果表明，机器学习算法如随机森林和梯度提升树等在预测准确率和模型稳定性方面优于MLR。此外，模型在不同种类和不同环境下的化合物分析中均表现出良好的适用性，验证了其普适性和实用性。

结论与意义

本研究提出了一种基于离子化效率预测的LC-HRMS非靶向半定量分析方法，通过构建QSAR模型实现了对未知化合物的定量分析。该方法具有以下意义：首先，为无参考标准化合物的定量分析提供了一种新的思路和手段；其次，提高了非靶向分析方法的准确性和效率；最后，有助于推动食品和环境领域中对未知污染物的快速检测和风险评估。总之，本研究为LC-HRMS在无标准物条件下的定量分析提供了一种创新性的解决方案，具有广泛的应用前景和重要意义。

文章来源：《分析化学》网址: http://www.fxhxzzs.cn/qikandaodu/2026/1027/327.html