Oprócz skoku technicznego, Mnova 17 wprowadza znaczące ulepszenia w kluczowych wtyczkach, takich jak Mnova NMR, NMRPredict, MSChrom i Mnova DB, a także nowe funkcje dla narzędzi takich jak Mnova Python Interpreter, dając użytkownikom większe możliwości w zakresie analitycznych przepływów pracy. Ponadto ta wersja zawiera zaktualizowane produkty, takie jak Mnova Gears 2.8.0 i Chrom Cal 1.2.0, a także poprawki błędów w Fraction Analysis 1.1.0 i Chrom Reaction Optimization 2.0.1.

Odświeżony interfejs Mnova

Przeprojektowany interfejs użytkownika wprowadza ulepszenia na wielu poziomach:

• zoptymalizowano rozmiary ikon i widżetów, zwiększając ich rozdzielczość, co zapewnia ostrzejszy i bardziej nowoczesny wygląd
• górna część interfejsu została przeprojektowana: kolor nagłówka zmienił się z czerwonego na jaskrawą magentę, a paleta poleceń jest stale dostępna w centrum, co przyspiesza nawigację
• ulepszono tryb ciemny, oferując lepszą rozdzielczość i wygodniejsze korzystanie z interfejsu
• karta Plik na wstążce (w lewym górnym rogu) została zaktualizowana, aby dopasować ją do reszty interfejsu, zapewniając spójniejszy wygląd wszystkich kart

Oczywiście, ten nowy interfejs jest spójny we wszystkich trzech systemach operacyjnych – Windows, Linux i macOS – dzięki czemu każdy użytkownik korzysta z tego samego, nowoczesnego wyglądu, niezależnie od platformy.

Rys. 1: Migawka przeprojektowanego interfejsu Mnova 17, prezentująca nowy nagłówek, centralnie umieszczoną paletę poleceń ułatwiającą dostęp oraz wyraźne ikony o wysokiej rozdzielczości, które tworzą czystszy, bardziej nowoczesny wygląd.

Rys. 2: Mnova 17 w ciemnym motywie, prezentująca ulepszoną rozdzielczość i lepszy kontrast, które zapewniają ostrzejsze, bardziej wciągające wrażenia wizualne.

Rozszerzone możliwości Pythona

Współczesne innowacje naukowe w coraz większym stopniu opierają się na bogatym ekosystemie pakietów Pythona do nauki danych, automatyzacji, walidacji i integracji. Możliwość instalowania i wykorzystywania pakietów Pythona bezpośrednio na platformie analitycznej pozwala organizacjom rozszerzać podstawową funkcjonalność, automatyzować złożone przepływy pracy i bezproblemowo łączyć wyniki analiz z systemami zewnętrznymi, takimi jak ELN, LIMS, jeziora danych i potoki AI/ML.

Aby uprościć instalację, aktualizację i usuwanie pakietów Pythona, Mnova 17 wprowadza wbudowanego Menedżera Pakietów Pythona, dostępnego z karty Narzędzia na wstążce:

Rys. 3: Menedżer pakietów Pythona w akcji podczas instalacji pakietu scikit-learn.

Import/eksport dokumentów w formacie JSON

Mnova obsługuje już dane NMR, LC/GC-MS oraz struktury chemiczne w formacie JSON. Dzięki Mnova 17 użytkownicy mogą teraz również eksportować i importować kompletne dokumenty w formacie JSON (.mnjs), w tym strony, elementy i surowe dane naukowe.

Nowy format .mnjs obejmuje:

• metadane na poziomie dokumentu (wersjonowanie, układ, struktura strony).
• definicje stron z układem, adnotacjami i odniesieniami do elementów.
• treść na poziomie elementu przechowywana w modułowych plikach JSON, oddzielających surowe dane, konfigurację kanwy i właściwości wykresu.

Ta architektura zapewnia przejrzystą, rozszerzalną i czytelną dla maszyn reprezentację zawartości Mnova. Rezultatem jest przyjazny dla programistów format dokumentu, który umożliwia głębszą integrację z narzędziami zewnętrznymi, powtarzalne przepływy pracy i zaawansowane zarządzanie danymi, pozostając jednocześnie w pełni przejrzysty i dostępny dla zaawansowanych użytkowników i integratorów platform.

Mnova NMRPredict

Nowy algorytm predykcji NMR oparty na sieciach neuronowych GCNN

Mnova 17 wprowadza najnowocześniejszy algorytm sztucznej inteligencji (AI) oparty na sieciach neuronowych splotowych grafów (GCNN)1, który przyspiesza, zwiększa dokładność i niezawodność przewidywania widm NMR. Modele, trenowane na dziesiątkach tysięcy starannie opisanych widm eksperymentalnych, uczą się, jak lokalna struktura molekularna i środowisko chemiczne wpływają na przesunięcia chemiczne NMR. Rezultatem jest probabilistyczne, oparte na danych podejście, które zapewnia bardzo dokładne przewidywania przesunięć protonów i węgla.

Te prognozy obsługują wysokiej jakości symulacje widmowe i automatyczne przypisywanie widm, pomagając zmniejszyć niejednoznaczność w określaniu struktury, oszczędzać czas ekspertów i zwiększać pewność decyzji strukturalnych w rutynowych i złożonych procesach analitycznych.

Rys. 5: Dostęp do predyktora GCNN można uzyskać z poziomu opcji na wstążce prognozowania. Po wybraniu, GCNN będzie automatycznie używany podczas prognozowania widma ze struktury.

Uwaga: Predyktor GCNN jest zawarty w wtyczce Mnova NMRPredict, ale do jego włączenia wymagana jest licencja.

Mnova NMR

Udoskonalonia narzędzia Dynamics

Przepływy pracy analizy danych dla szeregów czasowych obejmujących wiele widm, T1, T2, T1ρ i eksperymentów dyfuzyjnych zostały ulepszone, aby zapewnić bardziej przejrzyste wizualizacje, lepszą użyteczność i rozszerzoną funkcjonalność. Wyniki analizy są teraz prezentowane w dedykowanym obszarze roboczym, co ułatwia interakcję z dopasowaniami, wgląd w szczegóły i badanie zachowania danych.

Rys. 6: Dedykowana przestrzeń robocza Dynamics umożliwiająca głębszą analizę i eksplorację podstawowych zachowań.

Ta poprawiona wersja wprowadza również następujące ulepszenia:

• możliwość wyboru liczby komponentów w modelu dopasowania.

Rys. 7: Wybór liczby komponentów do dopasowania w analizie DOSY (po lewej) i relaksometrii (po prawej).

• większa interaktywność z wykresami i tabelami, w tym:
  
  • wykresowanie pojedynczych reszt dla określonych serii
  • wyłączanie zniekształceń i zaszumionych widm z dopasowania
  • możliwość tworzenia bardziej kompleksowych raportów.

Mnova MSChrom

Algorytm UniDec do ulepszonej dekonwolucji naładowanych związków o dużej masie cząsteczkowej

Algorytm UniDec (Universal Deconvolution), opracowany przez Michaela Marty'ego i współpracowników,2 został zaprojektowany w celu przekształcenia złożonych danych spektrometrii mas (MS) w łatwe do interpretacji rozkłady masy przy zerowym ładunku. Wykorzystując zaawansowane podejście do dekonwolucji bayesowskiej, UniDec umożliwia dokładne przypisanie stanu ładunku i rekonstrukcję widma, nawet w trudnych przypadkach obejmujących nakładające się stany ładunku lub nierozpoznane izotopy.

Dzięki Mnova 17 użytkownicy mogą teraz wybierać między naszym sprawdzonym algorytmem ZScore a uznanym w branży algorytmem UniDec w oknie Ustawienia dekonwolucji stanu ładunku. Obie opcje zapewniają pełną kontrolę nad stosunkiem m/z, stanem ładunku i zakresami zdekonwoluowanej masy. To ulepszenie zapewnia użytkownikom najnowocześniejsze, powszechnie stosowane rozwiązanie do analizy biocząsteczek o masie powyżej 15 kDa z szybkością, precyzją i pewnością.

Rys. 8: Okno Ustawienia dekonwolucji stanu ładunku umożliwia użytkownikom wybór pomiędzy algorytmem UniDec i ZScore, a także zdefiniowanie konkretnego progu i zakresów analizy

Wizualizacja widmowa stanu ładunku

Mnova 17 wprowadza również nową funkcję ulepszonej wizualizacji stanów ładunku w widmach zdekonwoluowanych. Po wybraniu piku w tabeli „Masa Pików”, odpowiadające mu pozycje stanu ładunku – w oparciu o ustawienia dekonwolucji – są podświetlane w domyślnym widmie m/z.

Rys. 9: Przykład wyniku dekonwolucji UniDec dla masy 19 kDa. Górny panel przedstawia chromatogram TIC, środkowy panel przedstawia wizualizację stanu ładunku w widmie dekonwolucyjnym, a dolny panel przedstawia widmo dekonwolucyjne.

Zgodność z danymi Shimadzu LC/GC-MS