质谱图怎么分析其内容？

1、核对质谱图

首先要核对质谱图是否合理，比如基峰，一张谱图只能有一个基峰，如果检测器调整的不合适或者样品浓度过大，则会有很多基峰。另外要观察同位素峰是否存在，有的同位素丰度的含量很低，则可以通过数据列表看是否有同位素峰。

要注意，丰度值和m/z同样重要，它不仅体现了同位素丰度，同时也反映了碎裂的难易程度，离子结构的稳定程度，通常碎裂之后的越稳定的离子，丰度值越高。

2、浏览谱图概貌

从谱图概貌里首先要典型结构的特征峰。看高端、低端的特征峰，高端主要观察是否出现分子离子和中性丢失，而低端主要观察特征离子和不同的离子系列。

其次依据氮规则，判断分子离子是否存在，有无分子离子质量数奇偶性、丰度分布。根据以上可初步判断是否含氮、而通过同位素峰值的特征可进一步初步判断是否还有某些元素。浏览谱图概貌主要是利用最基本的概念，做出初步的判断。

3、确定分子量

质谱解析首先要需要确定分子量，推导元素式并计算环加双键值（R＋DB值）。通过谱图信息，找到分子离子即可确定。如果找不到分子离子，则可通过改变电离方式等进一步查看，有了分子量之后推导元素式，随后即可计算R＋DB值。

4、筛选候选化合物

综合所有的结构信息，搭建可能的结构式，从不同的结构式中筛选，从而得到候选化合物

5、排除与谱图不相符的结构

分析筛选候选化合物重要离子来源，通过对照m/z和丰度与样品的谱图，从而排除与谱图不相符的结构。

6、验证结果是否正确

将NMR、IR等其他仪器分析、结构表征方式所获得的结果，进一步验证、核对、待测化合物质谱。关于谱图解析一般有两种情况，一种是已知化合物结构，查找样品里是否含有，可以在库里查找，相对简单；另一种是天然产物或者合成中的中间产物，结构完全未知，在库里不存在，这种就一定要验证，相对困难。

教你个简单的方法：对称法。有机物结构对称的话，那么对称的氢是等价的，也就是处于相同的环境。解析：A分子不对称，有三种氢，比例是3:3:2。B结构是上下对称，有三种氢，比例是3:1:1。C结构是上下，左右都对称，有两种氢，比例是3:4。D结构是上下，左右都对称，有两种氢，比例是3:2。（注：第二种方法：B、C、D中，你拿一个氯上苯环或碳环上去取代，有几种一氯取代，碳环或苯环上就有几种氢，甲基由于是对称的，所以是一种氢）说了这么多，求采纳

1，数据输入方式不当。应设变量1为种类（有8个种类，1，2，8），变量2为指示剂（有2种检测方法,1, 2）。
正确的数据表应为两变量的组合（如1，1；2，1；3，1,,,,)，再加上测定值的三列表格。
注意是4次重复，所以组合也要重复4次。
2，采用单变量方差分析。分析--一般线性模型--单变量。选测定值为因变量，种类和指示剂为固定因子。按需要选择两两比较的方法。确定即可。
3，无法得出哪种指示剂测定的更准确，只能得出两种指示剂测定的结果是否有差异，是否相同。
4，两两比较页面，选入固子种类，再选择两两比较的方法，如Duncan比较方法。一次检验结果是可以一起分析8种类样品之间的差异的。

1 概率统计方法
在基于异常检测技术的IDS中应用最早也是最多的一种方法。
首先要对系统或用户的行为按照一定的时间间隔进行采样，样本的内容包括每个会话的登录、退出情况，CPU和内存的占用情况，硬盘等存储介质的使用情况等。
将每次采集到的样本进行计算，得出一系列的参数变量对这些行为进行描述，从而产生行为轮廓，将每次采样后得到的行为轮廓与已有轮廓进行合并，最终得到系统和用户的正常行为轮廓。IDS通过将当前采集到的行为轮廓与正常行为轮廓相比较，来检测是否存在网络入侵行为。
2 预测模式生成法
假设条件是事件序列不是随机的而是遵循可辨别的模式。这种检测方法的特点是考虑了事件的序列及其相互联系，利用时间规则识别用户行为正常模式的特征。通过归纳学习产生这些规则集，并能动态地修改系统中的这些规则，使之具有较高的预测性、准确性。如果规则在大部分时间是正确的，并能够成功地运用预测所观察到的数据，那么规则就具有高可信度。
3 神经网络方法
基本思想是用一系列信息单元(命令)训练神经单元，这样在给定一组输入后、就可能预测出输出。与统计理论相比，神经网络更好地表达了变量间的非线性关系，并且能自动学习并更新。实验表明UNIX系统管理员的行为几乎全是可以预测的，对于一般用户，不可预测的行为也只占了很少的一部分。

---