{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1320987"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1320987","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Development and validation of wide-scope retention time prediction models to support suspect and non-target screening of emerging contaminants in environmental samples","abstract":"Την τελευταία δεκαετία η εφαρμογή της φασματομετρίας μαζών υψηλής διακριτικής ικανότητας συζευγμένη με υγροχρωματογραφία (LC-HRMS) έχει αναπτυχθεί ραγδαία λόγω της ικανότητας της τεχνικής αυτής να ανιχνεύει και να ταυτοποιεί πιθανές ή ύποπτες και άγνωστες ενώσεις στα περιβαλλοντικά δείγματα. Προκειμένου να επιτευχθεί αυτός ο σκοπός, πρέπει να αποκτηθούν οι πληροφορίες της ακριβούς μάζας και του ισοτοπικού προφίλ του ψευδομοριακού ιόντος, να πραγματοποιηθεί αξιολόγηση των φασμάτων MS/MS και ο χρόνος κατακράτησης να είναι ευλογοφανής έτσι, ώστε να επιτευχθεί η επιβεβαίωση της ταυτότητας μιας ένωσης. Στο πλαίσιο αυτό, αναπτύχθηκε μια υπολογιστική μεθοδολογία και τα αντίστοιχα μοντέλα πρόβλεψης για την κατανόηση της συμπεριφοράς του χρόνου ανάσχεσης ενός μεγάλου αριθμού αναλυτών που ανήκουν στην κατηγορία των αναδυόμενων ρύπων. Για το σκοπό αυτό χρησιμοποιήθηκε μια εκτεταμένη βάση δεδομένων που περιέχει την πληροφορία του χρόνου ανάσχεσης για 528 και 303 αναλύτες σε θετικό και αρνητικό ιοντισμό, αντίστοιχα, έτσι ώστε να επιτευχθεί η ανάπτυξη μοντέλων πρόβλεψης χρόνου ανάσχεσης με τη μέγιστη δυνατή περιοχή εφαρμογής (applicability domain). Η βάση δεδομένων διαχωρίστηκε σε ομάδα εκπαίδευσης (training set) και ομάδα ελέγχου (test set) με την τεχνική της συσταδοποίησης των Κ-κοντινότερων γειτόνων έτσι, ώστε να δομηθούν και να επικυρωθούν τα μοντέλα όσο αφορά την προβλεπτική τους ικανότητα. Το καλύτερο υποσύνολο μοριακών περιγραφέων (molecular descriptors) επιλέχθηκε με τη χρήση γενετικών αλγόριθμων (genetic algorithms), οι οποίοι είναι βασισμένοι σε υπολογιστικά εξελικτικά μοντέλα και μπορούν να επιλέξουν τους πιο αντιπροσωπευτικούς μοριακούς περιγραφείς για όλες τις ενώσεις σε σχέση με το υπό μοντελοποίηση πρόβλημα. Για τη μοντελοποίηση, χρησιμοποιήθηκαν οι εξής χημειομετρικές τεχνικές: πολλαπλή γραμμική παλινδρόμηση (MLR), νευρωνικά δίκτυα (ANNs) και η τεχνική Support Vector Machines (SVM) ώστε να συσχετιστούν τους, επιλεγμένους μοριακούς περιγραφείς με τον πειραματικά προσδιοριζόμενο χρόνο ανάσχεσης. Χρησιμοποιήθηκαν πολλές τεχνικές επικύρωσης, συμπεριλαμβανομένων των ακολούθων: τα κριτήρια Golbraikh-Tropsha, το πεδίο εφαρμογής βασισμένο στην ευκλείδεια απόσταση, ο συντελεστής r2m, και ο συντελεστής συμφωνικήςσυσχέτισης (concordance correlation coefficient). Τα καλύτερα γραμ μικά και μη γραμμικά μοντέλα για κάθε βάση δεδομένων που προέκυψαν χρησιμοποιήθηκαν στην πρόβλεψη του χρόνου ανάσχεσης πιθανών/ύποπτων ενώσεων έτσι, ώστε να επιτευχθεί εξωτερική αξιολόγηση των μοντέλων. Γενικά, η προτεινόμενη πορεία είναι γρήγορη, αξιόπιστη, ελάχιστα δαπανηρή και μπορεί να εφαρμοστεί για τη μείωση των ψευδώς θετικών ευρημάτων κατά την εφαρμογή μεθόδων σάρωσης με LC-HRMS και την επιτυχή ανίχνευση και ταυτοποίηση άγνωστων ενώσεων σε περιβαλλοντικά δείγματα.","abstract_html":"Την τελευταία δεκαετία η εφαρμογή της φασματομετρίας μαζών υψηλής διακριτικής ικανότητας συζευγμένη με υγροχρωματογραφία (LC-HRMS) έχει αναπτυχθεί ραγδαία λόγω της ικανότητας της τεχνικής αυτής να ανιχνεύει και να ταυτοποιεί πιθανές ή ύποπτες και άγνωστες ενώσεις στα περιβαλλοντικά δείγματα. Προκειμένου να επιτευχθεί αυτός ο σκοπός, πρέπει να αποκτηθούν οι πληροφορίες της ακριβούς μάζας και του ισοτοπικού προφίλ του ψευδομοριακού ιόντος, να πραγματοποιηθεί αξιολόγηση των φασμάτων MS/MS και ο χρόνος κατακράτησης να είναι ευλογοφανής έτσι, ώστε να επιτευχθεί η επιβεβαίωση της ταυτότητας μιας ένωσης. Στο πλαίσιο αυτό, αναπτύχθηκε μια υπολογιστική μεθοδολογία και τα αντίστοιχα μοντέλα πρόβλεψης για την κατανόηση της συμπεριφοράς του χρόνου ανάσχεσης ενός μεγάλου αριθμού αναλυτών που ανήκουν στην κατηγορία των αναδυόμενων ρύπων. Για το σκοπό αυτό χρησιμοποιήθηκε μια εκτεταμένη βάση δεδομένων που περιέχει την πληροφορία του χρόνου ανάσχεσης για 528 και 303 αναλύτες σε θετικό και αρνητικό ιοντισμό, αντίστοιχα, έτσι ώστε να επιτευχθεί η ανάπτυξη μοντέλων πρόβλεψης χρόνου ανάσχεσης με τη μέγιστη δυνατή περιοχή εφαρμογής (applicability domain). Η βάση δεδομένων διαχωρίστηκε σε ομάδα εκπαίδευσης (training set) και ομάδα ελέγχου (test set) με την τεχνική της συσταδοποίησης των Κ-κοντινότερων γειτόνων έτσι, ώστε να δομηθούν και να επικυρωθούν τα μοντέλα όσο αφορά την προβλεπτική τους ικανότητα. Το καλύτερο υποσύνολο μοριακών περιγραφέων (molecular descriptors) επιλέχθηκε με τη χρήση γενετικών αλγόριθμων (genetic algorithms), οι οποίοι είναι βασισμένοι σε υπολογιστικά εξελικτικά μοντέλα και μπορούν να επιλέξουν τους πιο αντιπροσωπευτικούς μοριακούς περιγραφείς για όλες τις ενώσεις σε σχέση με το υπό μοντελοποίηση πρόβλημα. Για τη μοντελοποίηση, χρησιμοποιήθηκαν οι εξής χημειομετρικές τεχνικές: πολλαπλή γραμμική παλινδρόμηση (MLR), νευρωνικά δίκτυα (ANNs) και η τεχνική Support Vector Machines (SVM) ώστε να συσχετιστούν τους, επιλεγμένους μοριακούς περιγραφείς με τον πειραματικά προσδιοριζόμενο χρόνο ανάσχεσης. Χρησιμοποιήθηκαν πολλές τεχνικές επικύρωσης, συμπεριλαμβανομένων των ακολούθων: τα κριτήρια Golbraikh-Tropsha, το πεδίο εφαρμογής βασισμένο στην ευκλείδεια απόσταση, ο συντελεστής r2m, και ο συντελεστής συμφωνικήςσυσχέτισης (concordance correlation coefficient). Τα καλύτερα γραμ μικά και μη γραμμικά μοντέλα για κάθε βάση δεδομένων που προέκυψαν χρησιμοποιήθηκαν στην πρόβλεψη του χρόνου ανάσχεσης πιθανών/ύποπτων ενώσεων έτσι, ώστε να επιτευχθεί εξωτερική αξιολόγηση των μοντέλων. Γενικά, η προτεινόμενη πορεία είναι γρήγορη, αξιόπιστη, ελάχιστα δαπανηρή και μπορεί να εφαρμοστεί για τη μείωση των ψευδώς θετικών ευρημάτων κατά την εφαρμογή μεθόδων σάρωσης με LC-HRMS και την επιτυχή ανίχνευση και ταυτοποίηση άγνωστων ενώσεων σε περιβαλλοντικά δείγματα.","abstract_has_math":false,"creators":["Aalizadeh Reza"],"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":"2026-11-19T05:26:35Z","subjects":[],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320987"],"render_values":[{"text":"uoadl:1320987","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320987","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320987","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%3A1320987","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Aalizadeh Reza"]}]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320987","https://pergamos.lib.uoa.gr/uoa/dl/object/1320987"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Την τελευταία δεκαετία η εφαρμογή της φασματομετρίας μαζών υψηλής διακριτικής ικανότητας συζευγμένη με υγροχρωματογραφία (LC-HRMS) έχει αναπτυχθεί ραγδαία λόγω της ικανότητας της τεχνικής αυτής να ανιχνεύει και να ταυτοποιεί πιθανές ή ύποπτες και άγνωστες ενώσεις στα περιβαλλοντικά δείγματα. Προκειμένου να επιτευχθεί αυτός ο σκοπός, πρέπει να αποκτηθούν οι πληροφορίες της ακριβούς μάζας και του ισοτοπικού προφίλ του ψευδομοριακού ιόντος, να πραγματοποιηθεί αξιολόγηση των φασμάτων MS/MS και ο χρόνος κατακράτησης να είναι ευλογοφανής έτσι, ώστε να επιτευχθεί η επιβεβαίωση της ταυτότητας μιας ένωσης. Στο πλαίσιο αυτό, αναπτύχθηκε μια υπολογιστική μεθοδολογία και τα αντίστοιχα μοντέλα πρόβλεψης για την κατανόηση της συμπεριφοράς του χρόνου ανάσχεσης ενός μεγάλου αριθμού αναλυτών που ανήκουν στην κατηγορία των αναδυόμενων ρύπων. Για το σκοπό αυτό χρησιμοποιήθηκε μια εκτεταμένη βάση δεδομένων που περιέχει την πληροφορία του χρόνου ανάσχεσης για 528 και 303 αναλύτες σε θετικό και αρνητικό ιοντισμό, αντίστοιχα, έτσι ώστε να επιτευχθεί η ανάπτυξη μοντέλων πρόβλεψης χρόνου ανάσχεσης με τη μέγιστη δυνατή περιοχή εφαρμογής (applicability domain). Η βάση δεδομένων διαχωρίστηκε σε ομάδα εκπαίδευσης (training set) και ομάδα ελέγχου (test set) με την τεχνική της συσταδοποίησης των Κ-κοντινότερων γειτόνων έτσι, ώστε να δομηθούν και να επικυρωθούν τα μοντέλα όσο αφορά την προβλεπτική τους ικανότητα. Το καλύτερο υποσύνολο μοριακών περιγραφέων (molecular descriptors) επιλέχθηκε με τη χρήση γενετικών αλγόριθμων (genetic algorithms), οι οποίοι είναι βασισμένοι σε υπολογιστικά εξελικτικά μοντέλα και μπορούν να επιλέξουν τους πιο αντιπροσωπευτικούς μοριακούς περιγραφείς για όλες τις ενώσεις σε σχέση με το υπό μοντελοποίηση πρόβλημα. Για τη μοντελοποίηση, χρησιμοποιήθηκαν οι εξής χημειομετρικές τεχνικές: πολλαπλή γραμμική παλινδρόμηση (MLR), νευρωνικά δίκτυα (ANNs) και η τεχνική Support Vector Machines (SVM) ώστε να συσχετιστούν τους, επιλεγμένους μοριακούς περιγραφείς με τον πειραματικά προσδιοριζόμενο χρόνο ανάσχεσης. Χρησιμοποιήθηκαν πολλές τεχνικές επικύρωσης, συμπεριλαμβανομένων των ακολούθων: τα κριτήρια Golbraikh-Tropsha, το πεδίο εφαρμογής βασισμένο στην ευκλείδεια απόσταση, ο συντελεστής r2m, και ο συντελεστής συμφωνικήςσυσχέτισης (concordance correlation coefficient). Τα καλύτερα γραμ μικά και μη γραμμικά μοντέλα για κάθε βάση δεδομένων που προέκυψαν χρησιμοποιήθηκαν στην πρόβλεψη του χρόνου ανάσχεσης πιθανών/ύποπτων ενώσεων έτσι, ώστε να επιτευχθεί εξωτερική αξιολόγηση των μοντέλων. Γενικά, η προτεινόμενη πορεία είναι γρήγορη, αξιόπιστη, ελάχιστα δαπανηρή και μπορεί να εφαρμοστεί για τη μείωση των ψευδώς θετικών ευρημάτων κατά την εφαρμογή μεθόδων σάρωσης με LC-HRMS και την επιτυχή ανίχνευση και ταυτοποίηση άγνωστων ενώσεων σε περιβαλλοντικά δείγματα.","Over the last decade, the application of liquid chromatography - high resolution mass spectroscopy (LC-HRMS) has been growing extensively due its ability to identify a wide range of suspect and unknown compounds in environmental samples. However, certain information such as mass accuracy and isotopic pattern of the precursor ion, MS/MS spectra evaluation and retention time plausibility are needed to confirm its identity. In this context, a comprehensive workflow based on computational tools was developed to understand the retention time behavior of a large number of compounds belonging to emerging contaminants. An extensive dataset was provided, containing information for the retention time of 528 and 303 compounds for positive and negative electrospray ionization mode, respectively, to expand the applicability domain of the developed models. Then, the dataset was split into training and test employing k-nearest neighborhood clustering, so as to build and validate the models’ internal and external prediction ability. The best subset of molecular descriptors was selected using genetic algorithms which is based on the evolutionary computations, and could result in representative selection of descriptors. Multiple Linear Regression, Artificial Neural Networks and Support Vector Machines were used to correlate the selected descriptors with the experimental retention times. Several validation techniques were used, including Golbraikh-Tropsha acceptable model criteria's, Euclidean based applicability domain, r2m, concordance correlation coefficient values to measure the accuracy and precision of the models. The best linear and non-linear models for each dataset were derived and used to predict the retention time of suspect compounds in a wide-scope survey as the evaluation data set. Overall, the proposed workflow was fast, reliable, cost-effective and can be employed as an effective filtering tool for decreasing false positives of wide-scope HRMS screening of environmental samples."]},{"key":"dc:title","label":"Title","values":["Development and validation of wide-scope retention time prediction models to support suspect and non-target screening of emerging contaminants in environmental samples"]}]}],"canonical_facts":{"dc:creator":["Aalizadeh Reza"],"dc:date":["2015"],"dc:description":["Την τελευταία δεκαετία η εφαρμογή της φασματομετρίας μαζών υψηλής διακριτικής ικανότητας συζευγμένη με υγροχρωματογραφία (LC-HRMS) έχει αναπτυχθεί ραγδαία λόγω της ικανότητας της τεχνικής αυτής να ανιχνεύει και να ταυτοποιεί πιθανές ή ύποπτες και άγνωστες ενώσεις στα περιβαλλοντικά δείγματα. Προκειμένου να επιτευχθεί αυτός ο σκοπός, πρέπει να αποκτηθούν οι πληροφορίες της ακριβούς μάζας και του ισοτοπικού προφίλ του ψευδομοριακού ιόντος, να πραγματοποιηθεί αξιολόγηση των φασμάτων MS/MS και ο χρόνος κατακράτησης να είναι ευλογοφανής έτσι, ώστε να επιτευχθεί η επιβεβαίωση της ταυτότητας μιας ένωσης. Στο πλαίσιο αυτό, αναπτύχθηκε μια υπολογιστική μεθοδολογία και τα αντίστοιχα μοντέλα πρόβλεψης για την κατανόηση της συμπεριφοράς του χρόνου ανάσχεσης ενός μεγάλου αριθμού αναλυτών που ανήκουν στην κατηγορία των αναδυόμενων ρύπων. Για το σκοπό αυτό χρησιμοποιήθηκε μια εκτεταμένη βάση δεδομένων που περιέχει την πληροφορία του χρόνου ανάσχεσης για 528 και 303 αναλύτες σε θετικό και αρνητικό ιοντισμό, αντίστοιχα, έτσι ώστε να επιτευχθεί η ανάπτυξη μοντέλων πρόβλεψης χρόνου ανάσχεσης με τη μέγιστη δυνατή περιοχή εφαρμογής (applicability domain). Η βάση δεδομένων διαχωρίστηκε σε ομάδα εκπαίδευσης (training set) και ομάδα ελέγχου (test set) με την τεχνική της συσταδοποίησης των Κ-κοντινότερων γειτόνων έτσι, ώστε να δομηθούν και να επικυρωθούν τα μοντέλα όσο αφορά την προβλεπτική τους ικανότητα. Το καλύτερο υποσύνολο μοριακών περιγραφέων (molecular descriptors) επιλέχθηκε με τη χρήση γενετικών αλγόριθμων (genetic algorithms), οι οποίοι είναι βασισμένοι σε υπολογιστικά εξελικτικά μοντέλα και μπορούν να επιλέξουν τους πιο αντιπροσωπευτικούς μοριακούς περιγραφείς για όλες τις ενώσεις σε σχέση με το υπό μοντελοποίηση πρόβλημα. Για τη μοντελοποίηση, χρησιμοποιήθηκαν οι εξής χημειομετρικές τεχνικές: πολλαπλή γραμμική παλινδρόμηση (MLR), νευρωνικά δίκτυα (ANNs) και η τεχνική Support Vector Machines (SVM) ώστε να συσχετιστούν τους, επιλεγμένους μοριακούς περιγραφείς με τον πειραματικά προσδιοριζόμενο χρόνο ανάσχεσης. Χρησιμοποιήθηκαν πολλές τεχνικές επικύρωσης, συμπεριλαμβανομένων των ακολούθων: τα κριτήρια Golbraikh-Tropsha, το πεδίο εφαρμογής βασισμένο στην ευκλείδεια απόσταση, ο συντελεστής r2m, και ο συντελεστής συμφωνικήςσυσχέτισης (concordance correlation coefficient). Τα καλύτερα γραμ μικά και μη γραμμικά μοντέλα για κάθε βάση δεδομένων που προέκυψαν χρησιμοποιήθηκαν στην πρόβλεψη του χρόνου ανάσχεσης πιθανών/ύποπτων ενώσεων έτσι, ώστε να επιτευχθεί εξωτερική αξιολόγηση των μοντέλων. Γενικά, η προτεινόμενη πορεία είναι γρήγορη, αξιόπιστη, ελάχιστα δαπανηρή και μπορεί να εφαρμοστεί για τη μείωση των ψευδώς θετικών ευρημάτων κατά την εφαρμογή μεθόδων σάρωσης με LC-HRMS και την επιτυχή ανίχνευση και ταυτοποίηση άγνωστων ενώσεων σε περιβαλλοντικά δείγματα.","Over the last decade, the application of liquid chromatography - high resolution mass spectroscopy (LC-HRMS) has been growing extensively due its ability to identify a wide range of suspect and unknown compounds in environmental samples. However, certain information such as mass accuracy and isotopic pattern of the precursor ion, MS/MS spectra evaluation and retention time plausibility are needed to confirm its identity. In this context, a comprehensive workflow based on computational tools was developed to understand the retention time behavior of a large number of compounds belonging to emerging contaminants. An extensive dataset was provided, containing information for the retention time of 528 and 303 compounds for positive and negative electrospray ionization mode, respectively, to expand the applicability domain of the developed models. Then, the dataset was split into training and test employing k-nearest neighborhood clustering, so as to build and validate the models’ internal and external prediction ability. The best subset of molecular descriptors was selected using genetic algorithms which is based on the evolutionary computations, and could result in representative selection of descriptors. Multiple Linear Regression, Artificial Neural Networks and Support Vector Machines were used to correlate the selected descriptors with the experimental retention times. Several validation techniques were used, including Golbraikh-Tropsha acceptable model criteria's, Euclidean based applicability domain, r2m, concordance correlation coefficient values to measure the accuracy and precision of the models. The best linear and non-linear models for each dataset were derived and used to predict the retention time of suspect compounds in a wide-scope survey as the evaluation data set. Overall, the proposed workflow was fast, reliable, cost-effective and can be employed as an effective filtering tool for decreasing false positives of wide-scope HRMS screening of environmental samples."],"dc:identifier":["uoadl:1320987","https://pergamos.lib.uoa.gr/uoa/dl/object/1320987"],"dc:language":["English"],"dc:title":["Development and validation of wide-scope retention time prediction models to support suspect and non-target screening of emerging contaminants in environmental samples"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:35Z"}