{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1316288"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1316288","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Αξιολόγηση χημειομετρικών τεχνικών για την ανάλυση τάσεων απο μη στοχευμένη LC-QTOFMS ανάλυση λυμάτων","abstract":"Καθημερινά αναδυόμενοι ρύποι εισέρχονται στο αποχετευτικό σύστημα σε μεγάλες ποσότητες. Τα επίπεδα συγκεντρώσεων των διαφόρων ρύπων που εισάγονται στα εισερχόμενα λύματα δεν παραμένουν σταθερά κατά τη διάρκεια μιας χρονικής περιόδου (για παράδειγμα ανά ημέρα) αλλά διακυμαίνονται και ακολουθούν διαφορετικές τάσεις και διαφορετικά προφίλ. Αυτές οι διακυμάνσεις επηρεάζονται από πολλούς παράγοντες, όπως οι χρήσεις αυτών των ρύπων από τον άνθρωπο, για παράδειγμα φαρμάκων από ασθενείς. Η έρευνα της διακύμανσης των συγκεντρώσεων τόσο με στοχευμένο όσο και με μη στοχευμένο τρόπο στα εισερχόμενα υγρά απόβλητα είναι σημαντική, διότι μπορεί να χρησιμοποιηθεί ως ένα σύστημα προειδοποίησης των επιπέδων ρύπανσης, μπορεί να παράσχει βαθύτερη κατανόηση της συμπεριφοράς των οργανικών ρύπων στο περιβάλλον και επίσης μπορεί να οδηγήσει σε καλύτερη κατανόηση της χρήσης διαφόρων χημικών ουσιών από την κοινωνία. Ο στόχος της παρούσας εργασίας είναι η ανάπτυξη μιας ημιαυτοματοποιημένης διαδικασίας για την ανίχνευση τάσεων στις εντάσεις των ουσιών που ανιχνεύονται μεταξύ διαφορετικών χρονικών περιόδων, μέσω της χρήσης μιας διαδικασίας βασισμένης σε αλγόριθμους από τρία πακέτα της στατιστικής γλώσσας R (XCMS, CAMERA, TIMECOURSE). Το αποτέλεσμα της διαδικασίας αυτής είναι μια λίστα ιόντων που επέδειξαν σημαντική διακύμανση κατά χρονική περίοδο λήψης δειγμάτων. Στη συνέχεια πραγματοποιήθηκε ταυτοποίηση μερικών από αυτές τις ενώσεις με τη χρήση μιας σειράς εργαλείων και μεθοδολογιών μη στοχευμένης ανάλυσης. Για το σκοπό αυτό χρονικές ακολουθίες δειγμάτων συλλέχθηκαν από το κέντρο επεξεργασίας λυμάτων της Αθήνας. Η ανάλυση τους πραγματοποιήθηκε με εκχύλιση στερεής φάσης και υγροχρωματογραφία συνδεδεμένη με υψηλής διακριτικής ικανότητας φασματομετρία μάζας (LC-HRMS). Πρώτα, έγινε η μετατροπή των δεδομένων που προέκυψαν σε mzXML αρχεία με τη χρήση του λογισμικού ProteoWizard τα οποία αποθηκεύτηκαν σε υποφακέλους στη διεύθυνση κλήσης της R. Η αναζήτηση ιόντων πραγματοποιήθηκε με τη χρήση του αλγορίθμου centWave με βελτιστοποιημένους παραμέτρους για τα δεδομένα που προέκυψαν από το σύστημα LC-HRMS. Τα ιόντα που αναπαριστούν τον ίδιο αναλύτη σε όλα τα δείγματα τοποθετούνται μαζί, ακολουθεί ευθυγράμμιση των χρωματογραφημάτων για διόρθωση τυχόν ολισθήσεων, και συμπλήρωση των τιμών των εντάσεων για τους αναλύτες που δεν ανιχνεύθηκαν σε κάποια δείγματα με κάποια χαμηλή τιμή έντασης. Έπειτα τα ιόντα ομαδοποιούνται σύμφωνα με συντελεστή που αποδίδει το σχήμα της κορυφής και σύμφωνα με το χρόνο ανάσχεσης. Τέλος εντός των ομάδων που προέκυψαν αναζητούνται οι ισοτοπικές κορυφές και τα ιόντα προσθήκης και αποδίδονται στον αντίστοιχο αναλύτη. Η λίστα μαζών με τα εμβαδά ολοκλήρωσης των κορυφών για κάθε δείγμα υπόκειται σε στατιστική δοκιμασία Multivariate Empirical Bayes Approach, η οποία θέτει σε προτεραιότητα τα ιόντα-μάζες σύμφωνα με το συντελεστή Hotelling T2. Τα ιόντα που εμφανίζουν αξιοσημείωτη τάση απεικονίζονται αυτόματα γραφικά και κατατάσσονται με βάση αυτόν τον συντελεστή. Έπειτα αναζητείται η ταυτότητα των ιόντων-ουσιών αυτών ακολουθώντας μια μεθοδολογία ταυτοποίησης από τα δεδομένα HRMS. Η παρούσα προσέγγιση καθιστά εφικτή την καταγραφή των τάσεων συγκέντρωσης για μεγάλο αριθμό συστατικών σε ένα σετ δειγμάτων. Επιπλέον, αυτή η μεθοδολογία μπορεί να ανιχνεύσει γεγονότα απευθείας διάθεσης χημικών στο σύστημα αποχέτευσης και για αυτό αποτελεί πολύτιμη πηγή πληροφορίας για της αρχές των κέντρων επεξεργασίας λυμάτων.","abstract_html":"Καθημερινά αναδυόμενοι ρύποι εισέρχονται στο αποχετευτικό σύστημα σε μεγάλες ποσότητες. Τα επίπεδα συγκεντρώσεων των διαφόρων ρύπων που εισάγονται στα εισερχόμενα λύματα δεν παραμένουν σταθερά κατά τη διάρκεια μιας χρονικής περιόδου (για παράδειγμα ανά ημέρα) αλλά διακυμαίνονται και ακολουθούν διαφορετικές τάσεις και διαφορετικά προφίλ. Αυτές οι διακυμάνσεις επηρεάζονται από πολλούς παράγοντες, όπως οι χρήσεις αυτών των ρύπων από τον άνθρωπο, για παράδειγμα φαρμάκων από ασθενείς. Η έρευνα της διακύμανσης των συγκεντρώσεων τόσο με στοχευμένο όσο και με μη στοχευμένο τρόπο στα εισερχόμενα υγρά απόβλητα είναι σημαντική, διότι μπορεί να χρησιμοποιηθεί ως ένα σύστημα προειδοποίησης των επιπέδων ρύπανσης, μπορεί να παράσχει βαθύτερη κατανόηση της συμπεριφοράς των οργανικών ρύπων στο περιβάλλον και επίσης μπορεί να οδηγήσει σε καλύτερη κατανόηση της χρήσης διαφόρων χημικών ουσιών από την κοινωνία. Ο στόχος της παρούσας εργασίας είναι η ανάπτυξη μιας ημιαυτοματοποιημένης διαδικασίας για την ανίχνευση τάσεων στις εντάσεις των ουσιών που ανιχνεύονται μεταξύ διαφορετικών χρονικών περιόδων, μέσω της χρήσης μιας διαδικασίας βασισμένης σε αλγόριθμους από τρία πακέτα της στατιστικής γλώσσας R (XCMS, CAMERA, TIMECOURSE). Το αποτέλεσμα της διαδικασίας αυτής είναι μια λίστα ιόντων που επέδειξαν σημαντική διακύμανση κατά χρονική περίοδο λήψης δειγμάτων. Στη συνέχεια πραγματοποιήθηκε ταυτοποίηση μερικών από αυτές τις ενώσεις με τη χρήση μιας σειράς εργαλείων και μεθοδολογιών μη στοχευμένης ανάλυσης. Για το σκοπό αυτό χρονικές ακολουθίες δειγμάτων συλλέχθηκαν από το κέντρο επεξεργασίας λυμάτων της Αθήνας. Η ανάλυση τους πραγματοποιήθηκε με εκχύλιση στερεής φάσης και υγροχρωματογραφία συνδεδεμένη με υψηλής διακριτικής ικανότητας φασματομετρία μάζας (LC-HRMS). Πρώτα, έγινε η μετατροπή των δεδομένων που προέκυψαν σε mzXML αρχεία με τη χρήση του λογισμικού ProteoWizard τα οποία αποθηκεύτηκαν σε υποφακέλους στη διεύθυνση κλήσης της R. Η αναζήτηση ιόντων πραγματοποιήθηκε με τη χρήση του αλγορίθμου centWave με βελτιστοποιημένους παραμέτρους για τα δεδομένα που προέκυψαν από το σύστημα LC-HRMS. Τα ιόντα που αναπαριστούν τον ίδιο αναλύτη σε όλα τα δείγματα τοποθετούνται μαζί, ακολουθεί ευθυγράμμιση των χρωματογραφημάτων για διόρθωση τυχόν ολισθήσεων, και συμπλήρωση των τιμών των εντάσεων για τους αναλύτες που δεν ανιχνεύθηκαν σε κάποια δείγματα με κάποια χαμηλή τιμή έντασης. Έπειτα τα ιόντα ομαδοποιούνται σύμφωνα με συντελεστή που αποδίδει το σχήμα της κορυφής και σύμφωνα με το χρόνο ανάσχεσης. Τέλος εντός των ομάδων που προέκυψαν αναζητούνται οι ισοτοπικές κορυφές και τα ιόντα προσθήκης και αποδίδονται στον αντίστοιχο αναλύτη. Η λίστα μαζών με τα εμβαδά ολοκλήρωσης των κορυφών για κάθε δείγμα υπόκειται σε στατιστική δοκιμασία Multivariate Empirical Bayes Approach, η οποία θέτει σε προτεραιότητα τα ιόντα-μάζες σύμφωνα με το συντελεστή Hotelling T2. Τα ιόντα που εμφανίζουν αξιοσημείωτη τάση απεικονίζονται αυτόματα γραφικά και κατατάσσονται με βάση αυτόν τον συντελεστή. Έπειτα αναζητείται η ταυτότητα των ιόντων-ουσιών αυτών ακολουθώντας μια μεθοδολογία ταυτοποίησης από τα δεδομένα HRMS. Η παρούσα προσέγγιση καθιστά εφικτή την καταγραφή των τάσεων συγκέντρωσης για μεγάλο αριθμό συστατικών σε ένα σετ δειγμάτων. Επιπλέον, αυτή η μεθοδολογία μπορεί να ανιχνεύσει γεγονότα απευθείας διάθεσης χημικών στο σύστημα αποχέτευσης και για αυτό αποτελεί πολύτιμη πηγή πληροφορίας για της αρχές των κέντρων επεξεργασίας λυμάτων.","abstract_has_math":false,"creators":["Αλυγιζάκης Νικηφόρος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:24:26Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316288"],"render_values":[{"text":"uoadl:1316288","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316288","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316288","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1316288","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αλυγιζάκης Νικηφόρος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316288","https://pergamos.lib.uoa.gr/uoa/dl/object/1316288"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Καθημερινά αναδυόμενοι ρύποι εισέρχονται στο αποχετευτικό σύστημα σε μεγάλες ποσότητες. Τα επίπεδα συγκεντρώσεων των διαφόρων ρύπων που εισάγονται στα εισερχόμενα λύματα δεν παραμένουν σταθερά κατά τη διάρκεια μιας χρονικής περιόδου (για παράδειγμα ανά ημέρα) αλλά διακυμαίνονται και ακολουθούν διαφορετικές τάσεις και διαφορετικά προφίλ. Αυτές οι διακυμάνσεις επηρεάζονται από πολλούς παράγοντες, όπως οι χρήσεις αυτών των ρύπων από τον άνθρωπο, για παράδειγμα φαρμάκων από ασθενείς. Η έρευνα της διακύμανσης των συγκεντρώσεων τόσο με στοχευμένο όσο και με μη στοχευμένο τρόπο στα εισερχόμενα υγρά απόβλητα είναι σημαντική, διότι μπορεί να χρησιμοποιηθεί ως ένα σύστημα προειδοποίησης των επιπέδων ρύπανσης, μπορεί να παράσχει βαθύτερη κατανόηση της συμπεριφοράς των οργανικών ρύπων στο περιβάλλον και επίσης μπορεί να οδηγήσει σε καλύτερη κατανόηση της χρήσης διαφόρων χημικών ουσιών από την κοινωνία. Ο στόχος της παρούσας εργασίας είναι η ανάπτυξη μιας ημιαυτοματοποιημένης διαδικασίας για την ανίχνευση τάσεων στις εντάσεις των ουσιών που ανιχνεύονται μεταξύ διαφορετικών χρονικών περιόδων, μέσω της χρήσης μιας διαδικασίας βασισμένης σε αλγόριθμους από τρία πακέτα της στατιστικής γλώσσας R (XCMS, CAMERA, TIMECOURSE). Το αποτέλεσμα της διαδικασίας αυτής είναι μια λίστα ιόντων που επέδειξαν σημαντική διακύμανση κατά χρονική περίοδο λήψης δειγμάτων. Στη συνέχεια πραγματοποιήθηκε ταυτοποίηση μερικών από αυτές τις ενώσεις με τη χρήση μιας σειράς εργαλείων και μεθοδολογιών μη στοχευμένης ανάλυσης. Για το σκοπό αυτό χρονικές ακολουθίες δειγμάτων συλλέχθηκαν από το κέντρο επεξεργασίας λυμάτων της Αθήνας. Η ανάλυση τους πραγματοποιήθηκε με εκχύλιση στερεής φάσης και υγροχρωματογραφία συνδεδεμένη με υψηλής διακριτικής ικανότητας φασματομετρία μάζας (LC-HRMS). Πρώτα, έγινε η μετατροπή των δεδομένων που προέκυψαν σε mzXML αρχεία με τη χρήση του λογισμικού ProteoWizard τα οποία αποθηκεύτηκαν σε υποφακέλους στη διεύθυνση κλήσης της R. Η αναζήτηση ιόντων πραγματοποιήθηκε με τη χρήση του αλγορίθμου centWave με βελτιστοποιημένους παραμέτρους για τα δεδομένα που προέκυψαν από το σύστημα LC-HRMS. Τα ιόντα που αναπαριστούν τον ίδιο αναλύτη σε όλα τα δείγματα τοποθετούνται μαζί, ακολουθεί ευθυγράμμιση των χρωματογραφημάτων για διόρθωση τυχόν ολισθήσεων, και συμπλήρωση των τιμών των εντάσεων για τους αναλύτες που δεν ανιχνεύθηκαν σε κάποια δείγματα με κάποια χαμηλή τιμή έντασης. Έπειτα τα ιόντα ομαδοποιούνται σύμφωνα με συντελεστή που αποδίδει το σχήμα της κορυφής και σύμφωνα με το χρόνο ανάσχεσης. Τέλος εντός των ομάδων που προέκυψαν αναζητούνται οι ισοτοπικές κορυφές και τα ιόντα προσθήκης και αποδίδονται στον αντίστοιχο αναλύτη. Η λίστα μαζών με τα εμβαδά ολοκλήρωσης των κορυφών για κάθε δείγμα υπόκειται σε στατιστική δοκιμασία Multivariate Empirical Bayes Approach, η οποία θέτει σε προτεραιότητα τα ιόντα-μάζες σύμφωνα με το συντελεστή Hotelling T2. Τα ιόντα που εμφανίζουν αξιοσημείωτη τάση απεικονίζονται αυτόματα γραφικά και κατατάσσονται με βάση αυτόν τον συντελεστή. Έπειτα αναζητείται η ταυτότητα των ιόντων-ουσιών αυτών ακολουθώντας μια μεθοδολογία ταυτοποίησης από τα δεδομένα HRMS. Η παρούσα προσέγγιση καθιστά εφικτή την καταγραφή των τάσεων συγκέντρωσης για μεγάλο αριθμό συστατικών σε ένα σετ δειγμάτων. Επιπλέον, αυτή η μεθοδολογία μπορεί να ανιχνεύσει γεγονότα απευθείας διάθεσης χημικών στο σύστημα αποχέτευσης και για αυτό αποτελεί πολύτιμη πηγή πληροφορίας για της αρχές των κέντρων επεξεργασίας λυμάτων.","Contaminants of emerging concern enter daily into the sewage system in large quantities. Concentration levels of the different compounds are not constant, and may follow different trends and patterns, affected by several factors (like usage trends, or pollution spills). The investigation of the concentration pattern of both target and non-target substances in wastewater is an important issue, as it could be used as an early-warning system on pollution loads, it may provide a further insight on the behavior of organic contaminants in the environment, and also information about the community use of chemicals. The objective of the presented study is to develop an semi-automated workflow for the detection of trends in intensities for all the detected substances among different sampling sets (e.g. time periods) through the use of a workflow based on R algorithms from the packages XCMS, CAMERA and TIMECOURSE. The output of this workflow is a list of compounds with high variation during the sampling period extracts. The identity of those compounds was searched following non target procedures and techniques. Temporal sequences of samples were collected from the wastewater treatment plant of Athens. Analysis was carried out by liquid chromatography - high resolution tandem mass spectrometry (LC-HRMS). First, the acquired data is converted to mzXML using ProteoWizard and stored in subfolders in the R working folder. Sample feature detection is performed by the centWave algorithm with optimized parameters for QTOF MS data. Features representing the same analyte across samples are placed into groups, peak alignment follows, missing features are filled with a low intensity value and then, features are clustered according to peak shape correlation coefficients and retention times. Finally, isotopic peaks and adducts are annotated to the same chemical component and its monoisotopic peak. The peak table with the integrated peak areas in each sample is used in order to perform Multivariate Empirical Bayes Approach which results in providing prioritized peaks (using Hotelling T2 coefficient) according to the differences of integrated intensities among the studied groups. Moreover, it automatically produces plots to evaluate the trend of each substance. After that, the most relevant peaks can be tentatively explored using non-target identification approaches. The presented approach enables the recording of concentration trends for a large number of compounds in a given set of samples. Moreover, this workflow can be used to detect events of direct disposal of some specific substances into the sewage system, constituting an appropriate source of information for WWTP authorities."]},{"key":"dc:title","label":"Title","values":["Αξιολόγηση χημειομετρικών τεχνικών για την ανάλυση τάσεων απο μη στοχευμένη LC-QTOFMS ανάλυση λυμάτων"]}]}],"canonical_facts":{"dc:creator":["Αλυγιζάκης Νικηφόρος"],"dc:date":["2015"],"dc:description":["Καθημερινά αναδυόμενοι ρύποι εισέρχονται στο αποχετευτικό σύστημα σε μεγάλες ποσότητες. Τα επίπεδα συγκεντρώσεων των διαφόρων ρύπων που εισάγονται στα εισερχόμενα λύματα δεν παραμένουν σταθερά κατά τη διάρκεια μιας χρονικής περιόδου (για παράδειγμα ανά ημέρα) αλλά διακυμαίνονται και ακολουθούν διαφορετικές τάσεις και διαφορετικά προφίλ. Αυτές οι διακυμάνσεις επηρεάζονται από πολλούς παράγοντες, όπως οι χρήσεις αυτών των ρύπων από τον άνθρωπο, για παράδειγμα φαρμάκων από ασθενείς. Η έρευνα της διακύμανσης των συγκεντρώσεων τόσο με στοχευμένο όσο και με μη στοχευμένο τρόπο στα εισερχόμενα υγρά απόβλητα είναι σημαντική, διότι μπορεί να χρησιμοποιηθεί ως ένα σύστημα προειδοποίησης των επιπέδων ρύπανσης, μπορεί να παράσχει βαθύτερη κατανόηση της συμπεριφοράς των οργανικών ρύπων στο περιβάλλον και επίσης μπορεί να οδηγήσει σε καλύτερη κατανόηση της χρήσης διαφόρων χημικών ουσιών από την κοινωνία. Ο στόχος της παρούσας εργασίας είναι η ανάπτυξη μιας ημιαυτοματοποιημένης διαδικασίας για την ανίχνευση τάσεων στις εντάσεις των ουσιών που ανιχνεύονται μεταξύ διαφορετικών χρονικών περιόδων, μέσω της χρήσης μιας διαδικασίας βασισμένης σε αλγόριθμους από τρία πακέτα της στατιστικής γλώσσας R (XCMS, CAMERA, TIMECOURSE). Το αποτέλεσμα της διαδικασίας αυτής είναι μια λίστα ιόντων που επέδειξαν σημαντική διακύμανση κατά χρονική περίοδο λήψης δειγμάτων. Στη συνέχεια πραγματοποιήθηκε ταυτοποίηση μερικών από αυτές τις ενώσεις με τη χρήση μιας σειράς εργαλείων και μεθοδολογιών μη στοχευμένης ανάλυσης. Για το σκοπό αυτό χρονικές ακολουθίες δειγμάτων συλλέχθηκαν από το κέντρο επεξεργασίας λυμάτων της Αθήνας. Η ανάλυση τους πραγματοποιήθηκε με εκχύλιση στερεής φάσης και υγροχρωματογραφία συνδεδεμένη με υψηλής διακριτικής ικανότητας φασματομετρία μάζας (LC-HRMS). Πρώτα, έγινε η μετατροπή των δεδομένων που προέκυψαν σε mzXML αρχεία με τη χρήση του λογισμικού ProteoWizard τα οποία αποθηκεύτηκαν σε υποφακέλους στη διεύθυνση κλήσης της R. Η αναζήτηση ιόντων πραγματοποιήθηκε με τη χρήση του αλγορίθμου centWave με βελτιστοποιημένους παραμέτρους για τα δεδομένα που προέκυψαν από το σύστημα LC-HRMS. Τα ιόντα που αναπαριστούν τον ίδιο αναλύτη σε όλα τα δείγματα τοποθετούνται μαζί, ακολουθεί ευθυγράμμιση των χρωματογραφημάτων για διόρθωση τυχόν ολισθήσεων, και συμπλήρωση των τιμών των εντάσεων για τους αναλύτες που δεν ανιχνεύθηκαν σε κάποια δείγματα με κάποια χαμηλή τιμή έντασης. Έπειτα τα ιόντα ομαδοποιούνται σύμφωνα με συντελεστή που αποδίδει το σχήμα της κορυφής και σύμφωνα με το χρόνο ανάσχεσης. Τέλος εντός των ομάδων που προέκυψαν αναζητούνται οι ισοτοπικές κορυφές και τα ιόντα προσθήκης και αποδίδονται στον αντίστοιχο αναλύτη. Η λίστα μαζών με τα εμβαδά ολοκλήρωσης των κορυφών για κάθε δείγμα υπόκειται σε στατιστική δοκιμασία Multivariate Empirical Bayes Approach, η οποία θέτει σε προτεραιότητα τα ιόντα-μάζες σύμφωνα με το συντελεστή Hotelling T2. Τα ιόντα που εμφανίζουν αξιοσημείωτη τάση απεικονίζονται αυτόματα γραφικά και κατατάσσονται με βάση αυτόν τον συντελεστή. Έπειτα αναζητείται η ταυτότητα των ιόντων-ουσιών αυτών ακολουθώντας μια μεθοδολογία ταυτοποίησης από τα δεδομένα HRMS. Η παρούσα προσέγγιση καθιστά εφικτή την καταγραφή των τάσεων συγκέντρωσης για μεγάλο αριθμό συστατικών σε ένα σετ δειγμάτων. Επιπλέον, αυτή η μεθοδολογία μπορεί να ανιχνεύσει γεγονότα απευθείας διάθεσης χημικών στο σύστημα αποχέτευσης και για αυτό αποτελεί πολύτιμη πηγή πληροφορίας για της αρχές των κέντρων επεξεργασίας λυμάτων.","Contaminants of emerging concern enter daily into the sewage system in large quantities. Concentration levels of the different compounds are not constant, and may follow different trends and patterns, affected by several factors (like usage trends, or pollution spills). The investigation of the concentration pattern of both target and non-target substances in wastewater is an important issue, as it could be used as an early-warning system on pollution loads, it may provide a further insight on the behavior of organic contaminants in the environment, and also information about the community use of chemicals. The objective of the presented study is to develop an semi-automated workflow for the detection of trends in intensities for all the detected substances among different sampling sets (e.g. time periods) through the use of a workflow based on R algorithms from the packages XCMS, CAMERA and TIMECOURSE. The output of this workflow is a list of compounds with high variation during the sampling period extracts. The identity of those compounds was searched following non target procedures and techniques. Temporal sequences of samples were collected from the wastewater treatment plant of Athens. Analysis was carried out by liquid chromatography - high resolution tandem mass spectrometry (LC-HRMS). First, the acquired data is converted to mzXML using ProteoWizard and stored in subfolders in the R working folder. Sample feature detection is performed by the centWave algorithm with optimized parameters for QTOF MS data. Features representing the same analyte across samples are placed into groups, peak alignment follows, missing features are filled with a low intensity value and then, features are clustered according to peak shape correlation coefficients and retention times. Finally, isotopic peaks and adducts are annotated to the same chemical component and its monoisotopic peak. The peak table with the integrated peak areas in each sample is used in order to perform Multivariate Empirical Bayes Approach which results in providing prioritized peaks (using Hotelling T2 coefficient) according to the differences of integrated intensities among the studied groups. Moreover, it automatically produces plots to evaluate the trend of each substance. After that, the most relevant peaks can be tentatively explored using non-target identification approaches. The presented approach enables the recording of concentration trends for a large number of compounds in a given set of samples. Moreover, this workflow can be used to detect events of direct disposal of some specific substances into the sewage system, constituting an appropriate source of information for WWTP authorities."],"dc:identifier":["uoadl:1316288","https://pergamos.lib.uoa.gr/uoa/dl/object/1316288"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Αξιολόγηση χημειομετρικών τεχνικών για την ανάλυση τάσεων απο μη στοχευμένη LC-QTOFMS ανάλυση λυμάτων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:26Z"}