岭南有毒中草药精准识别质谱数据库及快速检测方法的建立

目的:建立岭南有毒中草药特征性化学成分的精准识别质谱数据库及快速检测方法。方法:采用超高效液相色谱串联质谱法(UPLC-MS/MS),色谱柱为Poroshell 120 SB-C18(100 mm×2.1 mm,2.7µm),以0.1%甲酸水溶液(含5 mmol·L^(–1)甲酸铵,A)-乙腈(B)为流动相,梯度洗脱(0~1 min,10%B;1~12 min,10%~70%B;12~22 min,98%B),流速为0.3 mL·min^(–1),柱温为35℃,以三重四极杆串联质谱仪检测,离子源为电喷雾离子源(ESI),正离子模式,根据毒性成分的离子对信息、保留时间、检出限建立高通量定性定量数据库。结果:采用所建立的岭南有毒中草药精准识别质谱数据库及快速检测方法,开展毒性中草药中毒应急检验,检出钩吻、洋金花、雪上一枝蒿等毒性中草药的特征毒性成分,对粉末、药酒等不同状态、不同剂型的样本均适用。结论:所建立的分析方法快速、灵敏,筛查数据库数据准确,适合中药及中成药中毒性成分的定性定量检测,可为进一步开展中药材风险评估和药物警戒提供支撑。

天然染料质谱数据库的建立与应用

为提高纺织品文物中天然染料鉴定的准确性和便捷性,利用高效液相色谱-质谱联用(HPLC-MS)技术对68种天然染料化合物标准品进行分析,收集化合物分子质量、碎片离子及丰度、检测离子模式、保留时间等信息,建立了基于美国国家标准技术研究院质谱数据库的天然染料质谱数据库。通过设置合理的检索条件,确定质谱库检索最佳参数,对代表性蒽醌类(茜素)、黄酮类(槲皮素、木犀草素)、生物碱类(小檗碱)化合物进行了分子碎裂机制解析。应用自建的质谱数据库成功实现了2件古代纺织品文物中天然染料的快速鉴定,质谱数据库检索结果显示其含有茜素、茜紫素、木犀草素、小檗碱、巴马汀等染料化合物,且在文物样品的检索过程中,质谱数据库正向检索匹配度与反向检索匹配度均大于800,匹配率均在95%以上。利用质谱数据库检索技术鉴定天然染料具有可行性,为纺织品文物中天然染料的研究工作提供了新思路。

化妆品中52种禁用抗组胺类药物高分辨质谱数据库建立与应用

基于质谱数据库,建立了超高效液相色谱-静电场轨道阱高分辨质谱仪(UHPLC-Orbitrap HRMS)快速筛查化妆品中52种禁用抗组胺类药物的方法。选定52种常见的抗组胺类药物,以乙腈超声提取,采用Acquity UPLC BEH C18色谱柱(100 mm×2.1 mm×1.8μm)分离,以乙腈和2 mmol/L甲酸铵(含体积分数0.05%甲酸)水溶液为流动相,梯度洗脱,在电喷雾电离源正离子模式(HESI+)下,以全扫描/数据依赖二级质谱扫描(Full MS/dd-MS2)的模式进行分析,得到各组分保留时间、母离子精确质量数、碎片离子精确质量数等,将采集到的标准物质相关数据导入至Tracefinder软件,建立了52种禁用抗组胺类成分的高分辨质谱数据库。共筛选100批次市售化妆品,其中4批次检出依巴斯汀。该方法检测速度快、筛查定性结果准确,适用于市售化妆品中抗过敏类药物的快速筛查。

蛋白质组学中质谱数据标准研究进展

质谱分析是蛋白质组学的一项支撑技术。质谱数据处理过程具有多策略、多处理步骤、多种处理软件的特点,数据处理过程中数据格式不统一的问题给数据交换和整合带来了一定的困难,也给质谱分析平台和质谱数据库的建设带来了挑战。研究质谱数据分析中的质谱数据标准,不仅可以系统地梳理归纳目前分析方法中需要使用的全部数据信息,而且有利于质谱数据分析平台的建设。本文介绍了近几年制定的一些质谱数据标准,总结这些标准各自的特点、不足及应用情况,并展望质谱数据标准可能的发展方向。

核分段逆回归集成线性判别分析用于质谱数据分类

针对高维小样本质谱数据在构造模型时易产生的过拟合现象、变量间的严重共线性、及结构与性质间的非线性关系,采用了核分段逆回归(KSIR)特征提取集成线性判别分析(LDA)新技术。首先以KSIR算法完成质谱数据的非线性特征提取,然后在由新特征矢量张成的低维空间构造样本类别的线性判别函数,负责各样本个体类别的判定。将KSIR-LDA方法应用于软饮料的质谱数据分类,结果表明:该方法不仅适应质谱数据与性质间的非线性关系,而且可以更少、解释能力更强的特征变量取得更高的分类精度,并能实现在低维特征空间对数据的解释及可视化。

中药分析中质谱数据的可视化分析技术及其应用

中药成分复杂多样,含量千差万别;然而随着质谱技术日新月异的发展,能从中药样本中获得的原始数据急剧增长,这为进一步的中药质谱数据解析提出了新的挑战。质谱数据的可视化数据处理技术能够从多角度辅助解析质谱数据,实现解析过程的图像化、高效率、多视角;在中药分析中,通过数据挖掘手段,获得中药成分、来源、亲缘关系等相关信息,进一步揭示药效基础、毒性作用、代谢途径等深层次信息,探索潜在的疾病生物标记物、疾病诊断因子,成为寻找潜在药物靶点、设计先导化合物、开发新药的有力工具。通过综述近年来国内外中药质谱可视化分析技术相关文献,介绍质谱数据的可视化分析技术及其在中药分析中的具体应用,希望能为广大中药研究者提供有益参考。

质谱数据库法快速筛查壮阳类中成药和保健品中12种非法添加化学成分

采用三重四极杆质谱和四极杆飞行时间质谱两台仪器建立了具有一定通用性的壮阳类中成药和保健品中12种非法添加化学成分的质谱数据库,并建立了壮阳类中成药和保健品的快速筛查方法。依托质谱数据库中结构类似物的特征碎片离子,能把检测的范围覆盖到经结构修饰改造的类似物。在无对照品的情况下利用质谱数据库的数据资源依然可以对大量的样品进行初步筛查。

基于母离子排除的串联质谱数据采集方法的研究

生物样本中的蛋白质复杂程度很高,尚无一种分析方法能够全面分析复杂生物样本中的所有蛋白质。实验证明:重复的质谱分析能增加蛋白质的鉴定数量,但鉴定到的蛋白质冗余度很高,高丰度肽段被反复检出。为了降低鉴定冗余度,提高鉴定效率,对线性离子阱-傅立叶变换离子回旋共振质谱仪的串联质谱采集方法进行了研究,建立了基于母离子排除的串联质谱采集方法。此方法能极大降低二级质谱采集的冗余度,提高蛋白质的鉴定效率。

质谱数据库KDD预处理算法

本文针对谱图数据库的特性 ,在利用数据库知识发现 (KDD)技术对谱图数据库进行数据预处理过程中 ,对质谱匹配算法、MultiAdaBoost聚类分析算法和Beynon表审核等方面进行了研究 ,使我们对质谱库有了更进一步的认识 。

一种质谱数据的选取方法

本文介绍一种在ＧＳ－２５０型气体、固体质谱计中使用的质谱数据选取软件，为完成样品的分析任务提供了便利和实用的手段。

基于二维最大重叠离散小波变换的代谢组质谱数据的预处理方法

目的通过二维最大重叠离散小波变换(maximal overlap discrete wavelet transform,MODWT)对代谢组学质谱数据进行预处理,去除一定的噪声和批次效应,提高分析方法的有效性和稳定性。方法针对卵巢癌和卵巢囊肿的质谱数据,选取Haar小波函数对其进行二维MODWT的数据变换,获得不同尺度的数据,再对其中的细节数据置0和进行重构。对预处理后的数据用随机森林(RF)方法筛选差异变量和建立判别模型,评价预处理的效果。结果经过二维MODWT处理后的质谱数据建模判别效果明显优于使用原始数据得到的结果。结论针对质谱数据,二维MODWT方法能够更好地进行特征提取,提高模型的判别能力,具有研究价值和应用价值。

数据不依赖获取的质谱数据的深度学习分析方法

近年来,数据不依赖获取(data-independent acquisition,DIA)质谱技术在蛋白质组学领域内被广泛关注.然而DIA质谱数据具有维度高、背景噪声大、多种信号混合等特点,这使得DIA质谱数据的分析成为一大挑战.本文提出一种基于深度学习的可直接处理DIA质谱数据的算法:Ultra-DIA.该算法使用深度变分自动编码器提取离子信号的特征来区分不同肽段产生的子离子,最终生成虚拟谱图,进而对肽段和蛋白进行定性和定量分析.对于测试数据,该算法找到的肽段数量和蛋白数量比主流算法DIA-Umpire分别多61.4%和64.5%.此外,相较于DIA-Umpire,该算法能够找到更多低浓度的蛋白.

主元余像集主成分分析在蛋白质质谱数据中的应用

癌蛋白质谱数据中包含了大量未知的内部结构和变量。针对癌蛋白质谱数据这些特点,在总结主元余像集主成分分析(二次主成分分析)应用的基础上,提出了用t-验证方法进行特征子集选取,然后用主元余像集主成分分析提取特征,以线性判别分析进行分类的新方法。通过对典型癌蛋白质谱数据的分类实验,证明该方法不但识别率高,而且需要选取的特征子集小,分类速度快,提高了方法的准确性与分类速度。

质谱数据的特征降维新方法

由于质谱数据的维数较高,处理时运算量也特别大,同时还降低分类精度.研究者提出一些降维方法,产生了较好的效果.一般降维方法分两类:特征提取和特征选择.两类方法各有优劣,本文提出对特征提取的主成分进行特征选择,提出了将几种特征提取方法与特征选择方法结合的框架,来对数据集进行维数约简.在三个质谱数据集上的实验结果证明新提出的框架对于质谱数据有好的效果,加入特征选择后,建模精度得到了提高.

基于ICA的卵巢癌质谱数据分析

卵巢癌蛋白质谱数据属于高通量数据,含有大量冗余信息,且许多重要信息都包含在高阶信息中,而独立成分分析可以从高阶信息中提取有用特征。将传统的独立成分分析融入卵巢癌蛋白质谱数据的特征提取中,并利用类信息机制监督独立成分分析过程。仿真实验结果表明,独立成分分析和监督式独立成分分析在卵巢癌蛋白质谱数据集研究过程中取得了良好的效果,识别率可达98%。

基于质谱数据的肿瘤诊断WEB平台

随着蛋白质质谱技术以及智能算法的发展,使用智能算法分析临床质谱数据已在肿瘤早期诊断方面显示了良好的应用前景.通过研究MATLAB Builder JA Toolbox和分析蛋白质质谱数据的智能算法,结合临床蛋白质质谱数据分析的需求,使用JavaEE技术,设计和实现了基于质谱数据的肿瘤诊断web平台.平台功能主要包括质谱数据可视化显示、智能检索和智能决策诊断三大功能.同时还提供病人基本信息及肿瘤数据管理,质谱生物特征位点设置及分析结果数据存储等附加功能.

基于聚类的血清质谱数据和体检数据关联规则分析

近年来,公众健康问题成为人们关注的热点,体检数据和血清质谱数据都是通过血液样本得到的,如何快速从血液数据中获得想要的信息成为一个问题。质谱数据具有维度高,且各组数据维度不一致的特点,单靠人工难以从中提取并分析信息。随着数据挖掘中关联规则分析方法的不断进步,可以通过对血清数据进行数据挖掘找到血清之间的关联信息,从而快速得到血清数据分析结果。提出一种改进K-means算法,并用对数据进行聚类,聚类后的数据具有簇内差异小,簇间差异大的特点,能更好地对连续数据进行离散化,Apriori算法和FP-Growth算法分析得到血清质谱数据和体检数据关联规则,此关联规则可以验证血液检测结果的准确性,对于医学血液检测的发展有重大意义。

基于Flex-Bootstrap与神经网络融合模型的蛋白质质谱数据分析

针对蛋白质质谱数据检索研究中由于样本单一、数据不平衡导致传统的相似性匹配检索方法效率低且精度不高的问题,提出一种基于复杂的放回抽样(Flex-Bootstrap)和多次卷积神经网络(Multi-CNN)与深度神经网络(DNN)融合模型的检索方法,并与DNN模型、CNN与DNN融合模型相比较。Flex-Bootstrap方法结合Multi-CNN与DNN融合模型应用于蛋白质质谱数据种类预测时取得了较好的效果,其测试集的准确率提升至98.82%,损失函数值降低至0.0397。该模型不仅有效解决了使用DNN模型、CNN与DNN融合模型进行数据检索时存在的欠拟合问题,同时提高了预测的准确率以及质谱数据库的搜索效率。

72种生物碱高分辨质谱数据库建立与应用

目的建立常见生物碱的高分辨质谱数据库并应用于中毒样品的自动筛查。方法将生物碱标准品溶液以流动注射方式直接导入四极杆/静电场轨道阱高分辨质谱仪,或经高效液相色谱分离后进行质谱分析,得到准分子离子峰的精确质量数和合适的碰撞能量,采用HSS T3色谱柱(2.1 mm×100 mm,1.8μm),以甲醇和5 mmol/L乙酸铵-0.1%甲酸水溶液为流动相,梯度洗脱,电喷雾电离源正离子模式(HESI^+)和tSIM-ddMS^2模式下分析,采集生物碱的二级质谱信息,并将此质谱数据用于实际样品的自动筛查。结果获得了72种生物碱的精确分子量、保留时间、碰撞能量、碎片离子等信息并建立了质谱库,通过Full mass模式进样,仪器自动检索可快速锁定实际样品中含有的多种生物碱。结论该方法操作简便、灵敏度高,可满足中毒样品中生物碱快速自动筛查的要求。