液相串联质谱联用技术在医学检验中的应用越来越广泛，质谱数据后处理的准确性直接影响到检测结果的质量，本文介绍了基于“AI”算法的Peakintelligence ™数据解析模块的特点及其在临床质谱数据后处理中的应用优势，包括血清中脂溶维生素检测、儿茶酚胺类化合物检测等易受内源性基质干扰影响的项目。通过加载人工智能和机器学习的数据处理算法可以有效避免异常积分曲线出现的概率，简化数据后处理流程，提高实验室分析效率并保证检测结果更准确。

本文使用GC-2030建立了5种卡西酮类毒品的定量分析方法，并使用GCMS-QP2020 NX建立了它们的定性分析方法。样品经甲醇振荡提取，离心后取上清液上机分析。结果表明，在1~20 mg/L的浓度范围内，卡西酮等5种组分的线性相关系数R均大于0.999。取浓度为1 mg/L的标准溶液重复进样6次，各目标物和内标物正十四烷的峰面积比值的相对标准偏差均小于5%。对测试样品进行加标回收实验，各目标组分加标平均回收率在94.5%~106.6%之间。方法稳定可靠，可用于疑似毒品样品中5种卡西酮类物质的测定。

本文使用岛津公司三重四极杆气相色谱质谱联用仪GCMS-TQ8050结合代谢物数据库，在无标准品情况下，建立了467种代谢物的MRM筛查方法，利用此筛查方法对鼠伤寒沙门菌slyA基因缺失株胞内及胞外样本中代谢物进行筛查定性，分别筛查出胞内代谢物77种，胞外代谢物31种，并以2-异丙基苹果酸为内标对筛查出的代谢物进行了半定量。