Frontdoor result


Copyright note

Dissertation accessible at
URN: urn:nbn:de:gbv:luen4-opus-144937
URL: http://opus.uni-lueneburg.de/opus/volltexte/2018/14493/


Mining of LC-HRMS data for the assessment of water treatment processes

Data-Mining von LC-HRMS-Daten zur Bewertung von Wasseraufbereitungsprozessen

Bader, Tobias

pdf-format:
Dokument 1.pdf (7.415 KB)

Bookmark at Connotea Bookmark at del.icio.us
Keywords from authority file SWD (German): Data Mining , LC-MS , Screening , Reproduzierbarkeit , Massenspektrometrie
Free keywords (English): Data mining , LC-MS , LC-HRMS , high resolution mass stectrometry , non-target screening
Institute: Chemie
Dewey Decimal Classification: Chemie
Document type: Dissertation
Advisor: Kümmerer, Klaus (Prof. Dr.)
Language: English
Date of examination: 17.05.2018
Year of creation: 2018
Date of publication: 05.06.2018
Abstract in English: The emission of anthropogenic trace substances into the aquatic environment continuously poses challenges to water suppliers. The contamination of raw waters with organic trace substances requires complex water treatment processes to secure drinking water quality. The routine monitoring of these raw waters as well as the behavior and fate of organic trace substances during different treatment processes is of great interest to recognize and counter potential dangers at an early stage. Chromatographic separation techniques coupled to triple quadrupole mass spectrometers are conventionally used for the reliable monitoring of traces of known polar substances. However, such analytical techniques usually fail to recognize unknown compounds. This weakness presents a serious restriction with regard to the monitoring of treatment processes, since transformation products are often not - or not sufficiently - characterized and are thus only detected sporadically. Non-target screening using liquid chromatography coupled to high-resolution mass spectrometry (LC-HRMS) allows the detection of thousands of compounds within a single run and covers known as well as unknown substances. Compared to the established analytical techniques, this is a decisive advantage for the monitoring of raw and process waters during water treatment. While the analytical technique LC-HRMS has undergone significant developments in recent years, the algorithms for data processing reveal clear weaknesses.
This dissertation therefore deals with reliable processing strategies for LC-HRMS data. The first part of this work seeks to highlight the problematics of false positive and false negative findings. Based on repeated measurements, various strategies of data processing were assessed with regard to the repeatability of the results. To ensure that real peaks were barely or not removed by the filtering procedure, samples were spiked with isotope-labeled standards. The results emphasize that the processing of sample triplicates results in sufficient repeatability and that the signal fluctuation across the triplicates emerged as a powerful filtering criteria. The number of false positives and false negatives could be significantly reduced by the developed strategies which consequently improve the validity of the data.
The second part of this thesis addresses the development of processing strategies particularly aimed at assessing water treatment processes. The detected signals were tracked across the treatment process and classified based on their fold changes. A more reliable signal classification was achieved by implementing a recursive integration approach. Special integration algorithms allow a reliable signal classification even though the signal to be compared was below the intensity threshold. Different combinations of replicates of process influents and effluents were processed for evaluating the repeatability. The good repeatability was indicated by the results of both the plausibility checks and the ozonation process (ozonation of pretreated river water) and thus points to high reliability. The developed procedure enables the assessment of water treatment processes based on the changes in the pattern of all detected signals and offers a more comprehensive picture of the treatment efficiency. Particularly with regard to transformation products, existing knowledge gaps can be reduced by this approach, albeit the entire variety of chemicals cannot be covered completely.
The applicability of the developed strategies to real world applications is demonstrated in the last part of this work. Besides the prioritization of the generated results, the main focus was the identification of recognized compounds.
The developed strategies clearly improve the validity of the underlying data. The combination of LC-HRMS analysis with reliable processing strategies opens up multiple possibilities for a more comprehensive monitoring of water resources and for the assessment of water treatment processes. The processing strategies and validation concepts may be easily transferred to other research fields.
Abstract in German: Die Emission von anthropogenen Spurenstoffen in die aquatische Umwelt stellt Wasserversorger fortwährend vor neue Herausforderungen. Mit organischen Spurenstoffen belastete Rohwässer erfordern komplexe Aufbereitungsverfahren zur Sicherung der Trinkwasserqualität. Sowohl die routinemäßige Überwachung dieser Rohwässer als auch das Verhalten organischer Spurenstoffe während verschiedener Aufbereitungsprozesse ist von großem Interesse, um etwaige Gefahren frühzeitig zu erkennen. Herkömmlich verwendete Analysetechniken - meist chromatographische Trenntechniken gekoppelt an Triple-Quadrupol-Massenspektrometer - erlauben die Überwachung bekannter polarer Substanzen im Spurenbereich, versagen jedoch meist beim Erkennen unbekannter Verbindungen. In Hinblick auf die Überwachung von Aufbereitungsprozessen stellt diese Schwachstelle eine große Einschränkung dar, da Transformationsprodukte oftmals nicht oder nur unzureichend charakterisiert bzw. bekannt sind und demnach nur sporadisch erfasst werden können. Mit sogenannten ´non-target screening´-Methoden lassen sich tausende Verbindungen in einer Analyse erfassen. Durch die Kopplung von Flüssigkeitschromatographie mit hochauflösender Massenspektrometrie (LC-HRMS) können neben bekannten auch unbekannte Spurenstoffe detektiert werden. In Hinblick auf die Überwachung von Roh- und Prozesswässern bei der Wasseraufbereitung stellt dies einen entscheidenden Vorteil gegenüber etablierten analytischen Techniken dar. Während die LC-HRMS-Analytik in den letzten Jahren stark weiterentwickelt wurde, zeigen die Auswertealgorithmen jedoch noch deutliche Schwachstellen.
Die vorliegende Doktorarbeit befasst sich daher mit Strategien zur verlässlichen Auswertung von LC-HRMS-Daten. Im ersten Schritt wurde die Problematik von falsch-positiv- und falsch-negativ-Befunden beleuchtet. Basierend auf Wiederholmessungen wurden verschiedene Strategien der Datenauswertung hinsichtlich der Ergebniswiederholbarkeit bewertet. Durch das Dotieren isotopenmarkierter Standards wurde sichergestellt, dass echte Signale durch die Datenfilterung nicht entfernt werden. Die Daten zeigen, dass Probentriplikate hinreichend gute Ergebnisse liefern und die Berücksichtigung der Signalschwankungen über Replikatmessungen eine sehr effiziente Filtermethode darstellt. Durch die entwickelten Vorgehensweisen konnte die Anzahl von falsch-positiv- und falsch-negativ-Befunden bei der Datenauswertung signifikant reduziert und die Validität der Daten gesteigert werden.
Im zweiten Teil der Arbeit wurden Auswertestrategien speziell zur Bewertung von Wasseraufbereitungsprozessen entwickelt. Die detektierten Signale wurden während des Behandlungsprozesses verfolgt und einer Signalklassifikation unterzogen. Durch die Implementierung eines rekursiven Ansatzes unter Verwendung spezieller Integrationsalgorithmen konnte eine deutlich verlässlichere Signalklassifikation vorgenommen werden, auch wenn zu vergleichende Signale unterhalb des festgelegten Intensitätsschwellenwertes lagen. Zur Bewertung der Wiederholbarkeit wurden verschiedene Kombinationen von Replikaten aus Prozesszu- und -abläufen ausgewertet. Sowohl die Ergebnisse der Plausibilitätskontrollen als auch die des realen Prozesses einer Ozonung von vorgereinigtem Flusswasser zeigten eine gute Wiederholbarkeit und lassen demnach auf eine hohe Reliabilität schließen. Diese Arbeit ermöglicht es, die Bewertung von Aufbereitungsprozessen basierend auf der Veränderung aller detektierbarer Signale vorzunehmen und dadurch ein deutlich umfangreicheres Bild der Prozesseffizienz zu erhalten. Besonders in Hinblick auf Transformationsprodukte können durch diese Herangehensweise bestehende Wissenslücken reduziert werden, wenngleich auch hierdurch die Vielfalt der chemischen Stoffe nicht vollständig abgedeckt werden kann.
Im letzten Teil der Arbeit wurde die Anwendbarkeit der entwickelten Strategien in der Realität verdeutlicht. Neben der Priorisierung von Ergebnissen wurde ein Hauptaugenmerk auf die Identifikation erfasster Komponenten gelegt.
Die in dieser Arbeit erarbeiteten Strategien tragen deutlich zur Steigerung der Datenvalidität bei. Die Kombination der LC-HRMS-Analytik mit verlässlichen Auswertestrategien eröffnet eine Vielzahl an Möglichkeiten zur umfassenderen Überwachung von Wasserressourcen und zur Beschreibung von Aufbereitungsprozessen. Die entwickelten Strategien und Validierungskonzepte lassen sich auf andere Forschungsgebiete übertragen.


Home | Search | Deutsch
Questions to mylatz@uni-lueneburg.de
Last change: 10.11.16