CN103959426B - 用于通过质谱术识别微生物的方法 - Google Patents

Abstract

本发明涉及一种通过质谱术识别微生物的方法，包括：获取所述微生物的至少一种质谱；对于每种获取的质谱：检测在预定的质量范围内的质谱的峰值；产生包括在质量‑电荷比的范围内的预定的细分的每个区间中的不多于一个峰值的峰值的列表，所述细分的区间的宽度随着所述质量‑电荷比呈指数增大，以及根据先前识别的微生物和/或微生物类型的知识库分析所获得的峰值的列表。

Description

用于通过质谱术识别微生物的方法

技术领域

本发明涉及一种通过质谱术识别微生物特别是细菌的方法。

现有技术

已知使用质谱来识别微生物，特别是细菌。制备微生物的样本，之后获取和预处理样本的质谱：质谱去噪(噪声消除)、(可归因于检测器)背景噪声的过滤。然后，检测预处理质谱的明显峰值，且如此得到的峰值列表被“分析”，并与从已识别的微生物或微生物族的典型峰值的列表构建的知识库的数据(血统、属、科等等)进行“比较”。

虽然从理论上说这个原则看起来简单，但其实施却是棘手的。事实上，首先，包含在质谱中的信息量，特别是峰值的数量，是非常大的，这需要非常强大的计算工具来创建鲁棒性的知识库，以及实现分类、比较和判定算法。

其次，存在高的测量不确定性，尤其是涉及质谱中的峰值位置。确实可以观察到，从同一质谱仪的一次测量到另一次测量，以及从一个质谱仪到另一个质谱仪，代表给定分子的峰值在所测量的质谱中不具有固定的位置，或者至少峰值不包含在一个范围内。因此，所获取的质谱的对应于给定的蛋白质分子的峰值不能通过分类算法被识别为对应于所述蛋白质分子的。最后，这种不确定性在质量-电荷比的整个范围不是恒定的，且随该比值的增大而增大。

发明内容

由于待分析的信息量减少，以及缺乏针对质谱峰值的位置的准确性的影响减小，本发明的目的是提供一种能够通过质谱术鲁棒地识别微生物的方法。

为此，本发明的目的是一种通过质谱术识别微生物的方法，包括以下步骤：

获取所述微生物的至少一种质谱；

对于每种所获取的质谱：

检测在预定的质量范围内的所述质谱的峰值；

产生包含在质量-电荷比的范围内的预定的细分的每个区间中的不多于一个峰值的峰值的列表，所述细分的区间的宽度根据以下关系随着所述质量-电荷比而增大：

$L\left(b\right)=\exp \left(\frac{b-\mathrm{\β}}{\mathrm{\α}}\right)\×\left(\exp \right(\frac{1}{\mathrm{\α}})-1)$

$\mathrm{\α}=\frac{b_{\min }-(b_{max}+1)}{\ln m_{\min }-\ln m_{max}}$

$\mathrm{\β}=\frac{(b_{max}+1)\×\ln m_{\min }-b_{\min }\×\ln m_{max}}{\ln m_{\min }-\ln m_{max}}$

其中所述细分的区间参照大于1的整数，从针对所述范围中的最低质量-电荷比的整数b_min到针对所述范围中的最高质量-电荷比的整数b_max，L(b)是参照整数b的所述区间的宽度，及m_min是所述质量-电荷比的范围的下限，及m_max是所述质量-电荷比的范围的上限；及

根据先前识别的微生物和/或微生物类型的知识库，分析所获得的峰值的列表。

换句话说，质量-电荷比的连续空间或汤姆森空间被对数量化，且如果几个峰值存在于这个区间，则在每个量化区间保留单一的峰值。这能够大大减少要处理的数据量。另外，峰值的准确位置被峰值所属区间的参考值替换。这降低了关于峰值的位置的测量的不确定度，因为不再需要将准确位置与知识库比较。而是确定峰值是否属于一个区间。最后，区间宽度的对数级数使得能够适应仪器具有恒定的相对精度的事实：

根据一个实施方式，汤姆森的预定范围是3000汤姆森和17000汤姆森之间。本发明人确实观察到，该范围足以识别大多数细菌和酵母/霉菌。尤其可以观察到，在3000汤姆森以下的局部峰值对于许多微生物是共同的，因此没有区分度。

根据一个实施方式，有900到1500个区间，特别是1200到1400个区间。发明人已经观察到，这些区间形成由汤姆森空间的量化引起的信息的损失和通过用区间替换准确的峰值位置所获得的准确度之间的最佳折衷。

根据一个实施方式，保持在细分的区间内的峰值是具有最高强度的峰值。然而，其他的选择是可能的。例如，可以选择存在于区间中的峰值的强度的平均值或中位值。

根据一个实施方式，质谱术是MALDI-TOF质谱术。

本发明的另一个目的是一种通过质谱术识别微生物的装置，包括：

质谱仪，其能够产生待识别的微生物的质谱；

计算单元，其通过实施上述通过质谱术识别微生物的方法能够识别与由质谱仪产生的质谱相关的微生物。

附图简述

通过阅读仅作为实例并结合附图提供的以下的描述，本发明将被更好地理解，其中：

图1是根据本发明的方法的流程图；及

图2是根据本发明的量化区间的数目从质谱中消除的峰值的数量的曲线图。

详细描述

参照图1，现在将描述根据本发明的通过MALDI-TOF型(“Matrix-assisted laser desorption/ionization time of flight”的缩写)质谱来识别细菌的方法。

在步骤10，该方法开始于待被识别的细菌样本的制备，接着在步骤12，通过MALDI-TOF型质谱获取制备的样本的一个或多个质谱。MALDI-TOF质谱本身是公知的，下文将不再进一步详细描述。可参考例如Jackson O.Lay的文件，“Maldi-tof spectrometry of bacteria”，质谱刊物(Mass Spectrometry Reviews)，2001，20，172至194页。

在步骤14，该方法进行所获取的质谱的预处理，特别是去噪与平滑质谱。更具体地，表示质谱仪的背景噪声的质谱基线被去除。

然后在步骤16执行存在于所获得的质谱的峰值的识别，例如，通过峰值检测算法，例如基于局部最大点的检测。包括质谱峰值的位置和强度的每个质谱的峰值列表就这样产生。

有利地，峰值在有限的汤姆森范围[m_min；m_max]被识别，优选汤姆森范围[m_min；m_max]＝[3,000；17,000]。事实上，已经观察到，足以识别微生物的信息被包含在该范围内，并且因此不需要考虑采用更大的范围。

在步骤18，通过量化或“分级”步骤，方法继续进行。为了实现这一点：

范围[m_min；m_max]被分成具有根据以下关系随着汤姆森对数增加的宽度的区间：

$L\left(b\right)=\exp \left(\frac{b-\mathrm{\β}}{\mathrm{\α}}\right)\×\left(\exp \right(\frac{1}{\mathrm{\α}})-1)---\left(1\right)$

$\mathrm{\α}=\frac{b_{\min }-(b_{max}+1)}{\ln m_{\min }-\ln m_{max}}---\left(2\right)$

$\mathrm{\β}=\frac{(b_{max}+1)\×\ln m_{\min }-b_{\min }\×\ln m_{max}}{\ln m_{\min }-\ln m_{max}}---\left(3\right)$

其中细分的区间参照大于1的整数，从例如等于1的整数b_min到整数b_max，并且L(b)是参照整数b的区间的宽度。整数b_min对应于范围[m_min；m_max]中的最低质量-电荷比的区间，且整数b_max对应于范围[m_min；m_max]中的最高质量-电荷比的区间。因此，汤姆森轴根据以下关系被量化：

其中符号表示四舍五入到下一个较低的整数值；

对于包括多个峰值的每个区间，单峰值被保持，有利地，该峰值具有最高强度。矢量因而针对每个测量质谱产生。该矢量的每一个分量对应于一个量化区间，并且具有一个值，对于该区间，峰值的强度被保持，值“0”意味着没有峰值在该区间被检测到。

例如，在图1的图示步骤18中，示出识别的峰值的3个列表，即“列表1”、“列表2”和“列表3”，每个对应于测得的质谱。汤姆森空间被分成8个区间，从“bin1”到“bin8”，具有对数增加的宽度，并且只有具有最高强度的峰值被保持在每个区间。因此，对于第一个列表“列表1”的区间“bin6”，一个峰值被去除。对于列表“列表1”、“列表2”和“列表3”，例如获得下面的矩阵，每一行对应于一个列表：

$\left(\begin{array}{cccccccc}980& 0& 98& 0& 1,300& 1,556& 400& 2,000\\ 505& 700& 200& 0& 500& 200& 345& 256\\ 700& 0& 0& 100& 2,340& 1,786& 0& 2,507\end{array}\right)$

由此可以表明，通过诸如上文所述的量化，考虑了峰值的位置的不确定度随着质量的增加而增加。特别地，根据本发明，汤姆森轴的细分能够考虑下述类型的不确定度：

$p=\frac{\mathrm{\Δ}\mathrm{\μ}}{m}---\left(4\right)$

其中，p是峰值的位置的准确度，Δμ是质谱仪峰值的位置的测量不确定度，以及m为峰值的实际位置。量化因而是一种自适应量化，其考虑到质谱仪的测量误差。

将峰值的测量位置用其所属的区间的参考值取代相当于将峰值的位置对准于区间的中间。可以证实，根据本发明的对数细分使得能够根据关系式(4)减小不确定度。事实上：

$\frac{L\left(b\right)}{m_{bar}\left(b\right)}=\frac{2\left(\exp \right\{\frac{1}{\mathrm{\α}}\}-1)}{\left(\exp \right\{\frac{1}{\mathrm{\α}}\}+1)}=cte$

其中m_bar(b)是参照参考值b的区间的中间。

峰值的强度从一个质谱到另一个质谱和/或从一个质谱仪到另一个质谱仪是高度可变的。由于这种可变性，考虑原始强度值是非常困难的。有利地，尽管任选地，该方法进行强度离散化步骤。此步骤例如可包括简单的“二值化”(存在/不存在)。

因此，该矩阵的每一行被“二值化”，然后归一化，从而该矩阵针对每个获取的质谱识别区间中存在或不存在峰值。例如，前面的矩阵被二值化成矩阵：

$\left(\begin{array}{cccccccc}1& 0& 1& 0& 1& 1& 1& 1\\ 1& 1& 1& 0& 1& 1& 1& 1\\ 1& 0& 0& 1& 1& 1& 0& 1\end{array}\right)$

本发明人还注意到，有关识别细菌的信息本质上包含在峰值的不存在和/或存在中，并且强度信息是不太相关的，特别是由于它的高度可变性。因此，例如，通过通常的分类工具，如逻辑回归、判别分析、分类树、LASSO方法、SVM型算法(“support vector machine”的缩写)，基于这种类型的列表可识别细菌。因此，二值化的矩阵可以在所有已知的分类工具中使用。

然后在步骤20，该方法继续分析在前面的步骤中获得的矩阵。更具体地，分类和判定算法22根据知识库24被实现，该知识库24根据先前识别的微生物和/或微生物类型的峰值的列表构建。因此，一个或若干个候选或微生物的类型(族、胚芽、物种、子物种)针对所分析的样本被确定。

根据本发明的方法因而能够将沿着两个轴(m/z，强度)的连续值的和可变大小的峰值的列表减小到具有合理的固定尺寸的矢量。

知识库24从根据上文描述的产生的、并与先前识别的微生物和/或微生物类型相关联的峰值的列表构建。但应理解，本发明适用于任何类型的分类算法和知识库。根据本发明的量化尤其能够降低数据量，并消除峰值位置准确度的问题，并且因此使得能够构建更加鲁棒性的知识库，而这一点以简单的方式实现。该实现比(例如)容差距离的计算更加简单，并且允许知识库的几乎完全自动化的构建。

区间的数量对于微生物的识别有利地选择在900和1500之间，优选在1200和1400之间。发明人已经观察到，这些区间形成由汤姆森空间的量化引起的信息损失和将峰值的准确位置用区间替换而获得的准确度之间的最佳折衷。发明人已经进行了测试，并模拟了根据区间的数量由量化消除的峰值的数目，如图2所示。应该特别指出的是，超出区间的数量，数据量的降低是可以忽略的，并且在给定的数量下，被消除的峰值的数目呈指数增长。

已经在本发明的对数量化和常数量化之间进行了比较测试，所述常数量化也就是其中所有的区间具有相同的宽度的量化，并且这针对相同的质谱仪和相同的分类和判定算法和知识库构建。这些测试在下表中描述。误差对应于微生物识别误差。

通过选择具有恒定宽度的1000个区间，区间宽度等于用于测试等于17000汤姆森的质量-电荷比的质谱仪的分辨率。通过选择具有恒定宽度的4700个区间，区间宽度等于用于测试等于3000汤姆森的质量-电荷比的质谱仪的分辨率。

通过根据关系式(1)到(3)(b_min＝1)选择1700个对数区间，每个区间的宽度等于用于等于区间的中间的质量-电荷比的质谱仪的准确度。然而，可以观察到，平均来讲，1300个区间的数量同时提供最低的误差识别率和最小占用的存储器空间。特别地，与1700个区间的数量相比，这一见之下似乎更适合，得到2个误差点的增益(-28％的误差)，同时减少所占用的存储器空间，如在上面的表中所示的。因此，优选1300的数量来实现本发明。

还应当注意的是，根据本发明的量化与常数量化相比，提供了降低至少1点的最大误差率(-15％的误差)，以及降低了的存储器占用(-25％)。对于小数目的区间，根据本发明的量化从而比常数量化提供更好的结果。这因而使得能够保持小数量的区间，甚至增加质谱仪的分辨率或保留的汤姆森范围[m_min；m_max]。因此，可以观察到，对于相同的误差率，例如，约6％，则根据本发明的量化只要求700个区间而常数量化要求1700个区间。

Claims (10)

1.一种通过质谱术识别微生物的方法，包括：

获取所述微生物的至少一种质谱；

对于每种所获取的质谱：

检测在预定的质量范围内的所述质谱的峰值；

产生包括在质量-电荷比的范围内的预定的细分的每个区间中的不多于一个峰值的峰值的列表，所述细分的区间的宽度根据以下关系随着所述质量-电荷比而增大：

$L\left(b\right)=\exp \left(\frac{b-\mathrm{\β}}{\mathrm{\α}}\right)\×\left(\exp \right(\frac{1}{\mathrm{\α}})-1)$

$\mathrm{\α}=\frac{b_{\min }-(b_{max}+1)}{\ln m_{\min }-\ln m_{max}}$

$\mathrm{\β}=\frac{(b_{max}+1)\×\ln m_{\min }-b_{\min }\×\ln m_{max}}{\ln m_{\min }-\ln m_{max}}$

其中所述细分的区间参照大于1的整数b，从针对所述质量-电荷比的范围中的最低质量-电荷比的整数b_min到针对所述质量-电荷比的范围中的最高质量-电荷比的整数b_max，L(b)是参照整数b的所述细分的区间的宽度，m_min是所述质量-电荷比的范围的下限，以及m_max是所述质量-电荷比的范围的上限；及

根据先前识别的微生物和/或微生物类型的知识库分析所获得的峰值的列表。

2.根据权利要求1所述的方法，其中所述质量-电荷比的范围在从3000汤姆森到17000汤姆森的范围内。

3.根据权利要求1或2所述的方法，其中，有900至1500个区间。

4.根据权利要求3所述的方法，其中，有1200到1400个区间。

5.根据权利要求1或2或4所述的方法，其中保持在所述细分的区间内的峰值是最大峰值。

6.根据权利要求3所述的方法，其中保持在所述细分的区间内的峰值是最大峰值。

7.根据权利要求1或2或4或6所述的方法，其中，所述质谱术是MALDI-TOF质谱术。

8.根据权利要求3所述的方法，其中，所述质谱术是MALDI-TOF质谱术。

9.根据权利要求5所述的方法，其中，所述质谱术是MALDI-TOF质谱术。

10.一种用于通过质谱术识别微生物的装置，包括：

质谱仪，其能够产生待识别的微生物的质谱；

计算单元，其能够通过实施根据前述任一项权利要求所述的方法来识别与由所述质谱仪产生的质谱相关的微生物。