不同种类质谱仪优缺点分析对比！

ssebin4

不同种类质谱仪优缺点分析对比！

四极杆质谱仪，QMS


QMS是最常见的质谱仪器，定量能力突出，在GC-MS中QMS占绝大多数。
优点：
结构简单、成本低、维护简单
SIM功能的定量能力强，是多数检测标准中采用的仪器设备。
缺点：
无串极能力，定性能力不足
分辨力较低（单位分辨），存在同位素和其他m/z近似的离子干扰速度慢，质量上限低（小于1200u）
飞行时间质谱仪，TOFMS


TOFMS是速度最快的质谱仪，适合于LC-MS方面的应用。
优点：
分辨能力好，有助于定性和m/z近似离子的区别，能够很好的检测ESI电喷雾离子源产生多电荷离
子。速度快，每秒2～100张高分辨全扫描（如50～2000u）谱图，适合于快速LC系统（如UPLC）质量上限高（6000～10000u）
缺点：
无串极功能，限制了进一步的定性能力售价高于QMS较精密，需要认真维护
三重四极杆质谱仪，QQQ


QQQ质谱给四极杆质谱仪在保留QMS原有定量能力强的特点上，提供了串级功能，加强了质谱的定性能力，检测标准中常作为QMS的确认检测手段。
优点：
有串极功能，定性能力强
定量能力非常好，MRM信噪比高于QMS的SIM是常用的QMS结果确认仪器除一般子离子扫描功能外，QQQ还具有SRM、MRM、母离子扫描、中性丢失（Neutral loss）等功能（离子阱不行）对特征基团的结构研究有很大帮助
缺点：
分辨力不足，容易受m/z近似的离子干扰
售价较高需要认真维护
四极离子阱，QTrap
技术上而言，在传统QQQ的四极杆中加入了辅助射频，可以做选择性激发；或者就功能而言，为QQQ提供了多级串级的功能优势：同时具备MRM、SRM、中性丢失和多级串级功能，非常适合于未知样品的结构解析
缺点：分辨力还是低了点
离子阱质谱仪，ITMS


离子阱质谱仪是最简单的串联质谱。常用于结构鉴定
优点：
成本比QQQ低廉，体积小巧
具备多级串级能力，适合于分子结构方面的定性研究，能够给出分子局部的结构信息，比QQQ好有局部高分辨模式（Zoom Scan），分辨力比四极杆质谱高数倍，达到6000～9000，适合于确定离子质量数
缺点：
定量能力不如QMS和QQQ，所以大多数GCMS不采用离子阱质谱不能够像QQQ一样做母离子扫描和中性丢失，在筛选特征结构分子的时候能力不足
线性离子阱，Linear Ion Trap传统3D离子阱的增强版本优点：相对于传统3D离子阱，灵敏度高10倍以上多级串级质谱缺点：相对于QQQ，还是不能做MRM、中性丢失等特征基团筛选功能
四极杆飞行时间串联质谱，QTOF


QTOF以QMS作为质量过滤器，以TOFMS作为质量分析器。
优点：
能够提供高分辨谱图
定性能力好于QQQ速度快，适合于生命科学的大分子量复杂样品分析
缺点：
成本高

离子阱-飞行时间质谱，Trap TOF需要仔细维护
以3D离子阱作为质量选择器和反应器，结合了离子阱的多级质谱能力和飞行时间质谱的高分辨能力
线性离子阱-飞行时间质谱，LIT-TOF
以线性离子阱为质量选择器和反应器，结合了线性离子阱的高灵敏度多级串级能力和飞行时间质谱的高分辨能力。如直接耦合线性离子阱-飞行时间串联质谱

优点：
高灵敏度、高分辨、多级串级定量能力强
缺点：
功能复杂，维护复杂
磁质谱，Sector  MS   


磁质谱的定量能力是各种质谱中最强的。现在已较少使用，仅用于地质元素和痕量二恶英的检测。
优点：
技术经典、成熟，NIST等MS库采用的仪器分辨力非常好（100k，m/&Delta m FWHM），干扰少灵敏度高，定量能力是各种质谱中最好的
缺点：
体积、重量大售价很高，速度慢维护复杂，很费电
傅立叶变换质谱仪，FT-ICR-MS


Fourier Transform Ion Cyclotron Resonance Mass Spectrometer傅立叶变换质谱仪的分辨能力最高，常作为高端科学研究的装备。在蛋白组学和代谢组学起到了超强作用
优点：
能够做多级串级，定性能力极好分辨力极高，灵敏度很好可以有不同的电离源联用实现对不同极性的化合物进行检测
缺点：
体积重量大，售价极高，速度较慢维护费用非常昂贵
静电场傅立叶变换质谱，Orbitrap
优点：高分辨，60k～120kFWHM，质量精度高相对FT-ICR而言，价格稍低（～450kUSD）缺点：不能单独做串级分辨力、灵敏度、质量稳定性等离FT-ICR还有距离
（内容来源：PYYang's Bio-Mass Spectrometry R&D Lab）

xqliu

谢谢提供分享

飘零

学习一下  谢谢分享

wind10

想请教下 因为质谱仪的噪音问题 如何做到人机分离呢

makex

谢谢分享！

无otdttskf

谢谢楼主分享

jwzy

学习一下，感谢分享