CN105574474A - 一种基于质谱信息的生物特征图像识别方法 - Google Patents

Abstract

本发明提供了一种基于质谱信息的生物特征图像识别方法。包括步骤：首先对样本进行色谱-质谱分析，获取样本中化合物的m/z、t和I；以m/z和t为坐标，化合物的质谱信号强度以点的色度值表示；生成的m/z-t-I图像适用于样本的识别，通过从图像中抽提整体空间信息和局部空间信息如轮廓、纹理或色度，将样本中的生物特征转化为空间特征，每个化合物组成或丰度不同的样本将显示出特异性的空间信息；选择紧密聚类的数据点，发现图像的特征区域，进行相似性分析，用于样本的识别和性质判断。本发明突破了以质谱信号强度识别样本的方法或只以少量指标性化合物的质谱信息识别样本的方法，大大提高了基于质谱的复杂样本识别能力。

Description

一种基于质谱信息的生物特征图像识别方法

技术领域

本发明涉及一种基于可视化质谱信息技术的复杂样本快速识别方法。

背景技术

复杂生物样本的识别是当今各个研究领域最有挑战的课题之一。复杂样本含有多个化学成分，化合物的种类繁多，物理和化学性质差异很大。利用这些化合物的信息识别复杂样本，并对其进行归类，在动植物品种的判断、疾病的诊断等领域具有强烈的需求。质谱是一种可用来识别复杂样品的有效技术。特别是和色谱技术联用后，它能够对复杂样品进行分离和检测，获取样品中各个化合物的母离子与子离子的质谱信息如质荷比和电荷数等，其优点是快捷、灵敏和准确，因而是蛋白质组学和代谢组学的主要工具，也是食品与药品检测、疾病诊断和环境监测等研究领域的主要工具之一。目前，利用质谱或色谱-质谱进行模式识别的技术如指纹谱技术和组学技术正在蓬勃发展，但是，基于它们的识别模式均是以信号为中心法则所发展起来的识别，要么可靠性差，数据维度低，信息不够丰富，要么特别依赖专业人士对于信息的解读，因此特别需要发展快速、准确的复杂样品识别技术。

发明内容

本发明要解决的技术问题是一种基于质谱信息的质谱特征图像识别方法，本发明改变传统的方法，从生物样本的色谱-质谱信息转化为m/z-t-I图像，体现各个化合物的质量差异，通过识别图像的轮廓和纹理等空间信息，提高识别生物样本的效率。

为了解决上述技术问题本发明提供一种基于质谱信息的生物特征图像识别方法，其特征在于构建生物样本中的质谱信息所组成的图像，对图像进行识别，依次对样本进行分类。按以下步骤进行：

1)对所要比较的样本，以规范、可重复的方法进行提取和处理。

2)将处理后的样品利用高效色谱-质谱仪进行分析，获取原始色谱和质谱信息。

3)将原始色谱和质谱信息转换为m/z-t-I数据矩阵。

4)利用计算机处理技术，计算和比较样本之间的相似度，判断样本之间的相互关系。

5)将m/z-t-I数据矩阵转化为如图1所示的m/z-t-I图像，提取图像中的点，纹理和轮廓。

6)发现和比较样本之间的特征区域，发现用于不同组样本的标志性图像信息。

本发明为生物特征的识别提供一个更加有力的工具，本发明总结：

1.本发明采用采用图像处理技术，将样本各个化合物之间的质量和保留时间的关联性转化为空间关系，针对由该空间关系所展示的纹理和轮廓进行识别，具有识别能力高，提取特征容易的优点。

2.本发明全面利用了样本中各个化合物的质量信息，而不需要对各个化合物进行鉴定，能够大大提高识别效率。

3.与常用于分类的指纹图谱法指纹图谱法、质谱指纹图谱法相比，本发明增加了分离这一维度，具有更高的分辨率和识别效率。

4.与色谱-质谱指纹图谱法或基于组学技术的分类法相比，本发明更充分利用了各个化合物之间的质量的相关性，比较的过程简单且直接。

一种基于空间聚类质谱信息的复杂生物样本快速识别技术。包括步骤：首先对样本进行色谱-质谱分析，获取样本中化合物的质量信息(质荷比m/z)，色谱保留信息(t)和质谱信号强度(I)；以m/z和t为坐标，画出样本的质量-时间图像，每个可测化合物在该图像中均有特定的空间位置，化合物的质谱信号强度以点的色度值表示；生成的m/z-t-I图像适用于样本的识别，通过从图像中抽提整体空间信息和局部空间信息如轮廓、纹理或色度，将样本中的生物特征转化为空间特征，每个化合物组成或丰度不同的样本将显示出特异性的空间信息；选择和比较m/z-t-I图像中在空间上紧密聚类的数据点，发现图像的特征区域，进行相似性分析，用于样本的识别和性质判断。本发明突破了以质谱信号强度识别样本的方法或只以少量指标性化合物的质谱信息识别样本的方法，创造性地利用了由复杂样本中各个化合物质谱特征所形成的空间信息，大大提高了基于质谱的复杂样本识别能力，对于药物或食品的甄别，疾病的诊断等多个领域具有广阔的应用前景。

附图说明

图1黄芪和淫羊藿显示的m/z-t-I图像。

具体实施方式

本发明突破了以质谱信号强度识别样本的方法或只以少量指标性化合物的质谱信息识别样本的方法，创造性地利用了由复杂样本中各个化合物质谱特征所形成的空间信息，大大提高了基于质谱的复杂样本识别能力，对于药物或食品的甄别，疾病的诊断等多个领域具有广阔的应用前景。

现结合实施例和附图对本发明做进一步详细说明，实施例仅限于说明本发明，而非对本发明的限定。

本发明中，质谱图像来自特性已知或未知的样本，从质谱图像由色谱-质谱联用仪采集后经软件处理生成。作为演示，下述很多例子中都使用中药作为对象进行模式识别和分类。但是，在本发明的某些实施例，用来分析的样本可能是源自任何生物体的对象或其它可由色谱-质谱进行分析的多成分样本。

在本发明中，产生的每一个质谱图像至少含色谱分离信息和质量信息。色谱分离信息可以由保留时间或保留时间的函数表示。质量信息可以以质荷比，分子量，或由质荷比计算得到的质量数，或任意以由质荷比相关函数所表示的质量信息。用于分离样本的仪器包括但不局限于色谱仪，气象色谱仪，毛细管电泳仪和薄层层析等。测定质荷比的仪器可以包括但不局限于时间飞行质谱仪，轨道阱质谱仪，傅里叶变换离子回旋共振质谱仪等。

在m/z-t-I质谱图像中，每个化合物的质谱信号强度数据以不同灰度或色度的点表示；质谱信号强度数据也可以以“峰值”进行表示。图1显示的是以灰度点表示的m/z-t-I质谱图像，每个化合物对应的点均有对应的m/z和t坐标值。在某些实施例中，信号强度的大小不作为分类或识别的参数，化合物对应点的灰度值或色度值可设定为一致。

在本发明中，需要对图像进行分割后进行分析。分割后图像单元的大小取决于质谱数据的分辨率和准确度以及色谱保留时间的可重复性。根据质谱仪器的性能，图像的质量分辨率可设定在0-2Da之间。采集质量数据的质谱仪器高分辨率和高准确度越高，图像分析可设定的质量分辨率也越高。例如，由普通的离子阱质谱仪所获得数据，图像的质量分辨率可设在2Da，但对于由高分辨的轨道阱质谱仪所获取的数据，图像的质量分辨率可设为10ppm。

图像分析的时间分辨率由样本之间色谱保留时间的差异性所决定，差异性越小，可设定的时间分辨率越高。由于色谱仪器自身原因，不同样本的分离保留时间可产生程度不同的偏差。在某些实施例中，样本之间的保留时间偏差可以由软件进行校正，对于样本特性差异过大的样本，不同样本中可以加入混合内标，由软件根据内标的保留时间对整个样本的色谱保留时间进行校正。

样本之间的相似性越高，表示具有共同的特性越多。相似性分析的结果可用来预测一个未知样本是否归属于一类具有特定的样本。可识别的特性包括，但并不仅限于，图像的整体轮廓，图像的整体纹理，某个特定区域内轮廓与纹理，一组相邻或非相邻的图像单元所组成的轮廓、纹理、空间关系，一个或一组图像单元的峰高或色差等。可识别的特性包括单一特性或一组特性。这种特性可用于区分不同的样本，如不同种属的植物，患病和正常的受试者，受污染的水和正常的水，不同厂家生产的同一类的食品和药品等。

复杂生物样品是指该样本中是含有多种物质的混合体，其形态可以是固态、液态、气态或混合态。不同样本的差异性是指化合物的组成或含量有区别。任何源自天然的含混合有机物样本均可以用于本发明的实施例。这些样本包含但不局限于植物的根、茎、叶、皮、花、果、种子等以及它们的组织与各种加工品等；人和动物血液、血清、血浆、乳汁、泪、唾液、精液、粪便、尿、细胞、组织、器官以及它们的加工品等；各种细菌、病毒；各种环境样品；可以是原始态的样品，经简单处理的样品，也可以是经过复杂处理如富集或衍生化后的形态。

在较佳实施例中，使用高分辨质谱仪产生质谱。高分辨质谱仪所产生的质谱可以产生高精度的m/z-t-I图像，该图像在进行计算及图像处理时，可以的更高的分辨率，从而对于样本的识别达到更高的准确度。高分辨质谱仪如MALDI-TOF、Q-TOF、Orbitrap、FT-ICR等均可用于高精度质谱信息的获取和m/z-t-I图像的生成。

在有些实施例中，图像集可包含各个样品的m/z-t-I图像。m/z-t-I图像可以有两种模式，一种是只考虑质谱信号I的有无，一种是考虑I值的大小。在某些情况下，信号I的大小可反映样本的独特特征。

分类处理可以整体图像或局部图像区分不同的样本，这些信息在分类模型进行区分的时可以考虑权重和相加。

实施例

黄芪和淫羊藿的对比分析

1)中药样品溶液的制备：精密称取各药材干燥粉末各100mg，

每份药材粉末加入体积浓度50％甲醇1ml，超声提取15min，离心5min,取上清液，重复提取1次，合并两次上清液过0.22um滤膜。

2)超高效液相色谱-质谱联用分析：样品全谱分析采用Agilent1290超高效液相色谱系统(Agilent，Waldbronn，Germany)串联6520Q-TOF-MS(AgilentCorp，USA)。实验采用Agilent公司ZORBAXEclipsePlusC18色谱柱(3.0*150mm,1.8um)，流动相A相为水(0.5％乙酸)，B相为乙腈，梯度洗脱：0-15min，B相5％-100％，15-20min，B相保持100％，20-21min，B相100％-5％，21-25min，B相保持5％，流速为0.4ml/min。柱温为40℃，进样量为5uL。质谱采用ESI离子源，负离子模式采集数据。数据采集范围m/z100-1500。温度为350℃，干燥器流速8L/min，雾化气压力40psi，毛细管电压3500V，Fragmentor电压200V，skimmer电压65V。质谱采用加入内标程序。(TOF——refmass——Enable——usebottleA(nebulizer设为3psi)。

3)利用XC-MSonline软件，对获取的数据进行对齐，去除质谱噪音，获取m/z，t和I信息的数据矩阵，以CSV文件格式存储。

4)利用夹角余弦法计算人参和淫羊藿之间的相似度，将人参样本自身的相似度归一化为1，人参和淫羊藿之间的相似度结果为0.05，证明两者相似性很低。

5)将黄芪和淫羊藿的数据矩阵转化为m/z-t-I图像(见图1a和b)。

6)黄芪和淫羊藿显示的m/z-t-I图像显示出多个不同的特征区域。其中，黄芪的椭圆形区域特征明显，该区域包含一群高丰度的化合物，这些化合物的色谱保留时间介于5-12分钟之间，m/z值介于500-900之间。淫羊藿的图像中出现一个大量离子聚集的片状区域，该区域内化合物的色谱保留时间介于1.8-14分钟之间，m/z值介于100-1500之间；这两个区域的存在，可以将黄芪和淫羊藿准确、快捷地区分开。

Claims (7)

1.一种基于质谱信息的生物特征图像识别方法，其特点在于：把质谱信号图转化为由化合物质量信息(m/z)、色谱保留时间(t)和信号强度(I)所表示的图像，针对该图像进行分析，提取生物特征，对生物样本进行分类；按以下步骤进行：

1)利用色谱-质谱仪，对生物样本进行在线的色谱分离和质谱检测，获取每一个化合物的色谱保留时间t和峰面积I，和质谱信息质荷比m/z；

2)将原始质谱数据导入到质谱仪器自带软件或第三方软件(如XC-MS,Progenesis或Sieve等)，去除噪音信号，获取生物样本中每个化合物的m/z、t和I值，产生m/z-t-I数据矩阵；

3)将m/z-t-I数据矩阵导入到图像生成软件(如METLAB/MSight等)，以m/z和t为横纵坐标，绘制出样本的m/z-t图，每个可测化合物具有特定的质量和时间坐标点，化合物的质谱信号强度以坐标点的色度值在m/z-t图进行标示，获得样本的二维m/z-t-I图；

4)对生成的m/z-t-I图像进行识别，可直接从图像中抽提样本中化合物的空间信息，空间信息包括轮廓信息、纹理信息或色度信息中的一种或二种以上；选择和比较m/z-t-I图像中在空间上相邻的数据点，对不同样本进行比较，发现某一(类)样本特有的点簇用于样本的识别和性质判断。

2.根据权利要求1所述的基于质谱信息的生物特征图像识别方法，其特征是：

对生物样本进行色谱-质谱分析前，利用溶剂进行提取处理，获取样本中可分析的化合物群。

3.根据权利要求2所述的基于质谱信息的生物特征图像识别方法，其特征是：在进行二个以上样品分类时，各个样品的提取处理应采取相同的、可重复的样品处理方法。

4.根据权利要求1所述的基于质谱信息的提取，其特征是：对步骤1)中所获取的色谱保留时间进行矫正，质谱信息进行降噪处理。

5.根据权利要求1的相似性计算方法，其特征是：步骤2)生成的m/z-t-I数据矩阵进行计算机处理，利用夹角余弦或神经网络等方法，计算样本之间的相似度，相似度的计算考虑：1)每两个样本图像中点的数量之比，可重合的点数越多，相似度越高；2)每两个对应点的强度之比，强度之比越接近，相似度越高；两个样本的整体相似度是上述两个因素相似性之和的函数；

在样本之间，m/z的偏差窗口取决于质谱仪的分辨率，质谱分辨率越高，可允许的偏差越小，如大多数Q-TOF仪所允许的偏差可为5-20ppm；时间偏差取决于色谱仪的重复性和保留时间校正结果。

6.根据权利要求1所述的基于质谱信息的生物特征图像识别方法，其特征是：步骤4)原始的质谱数据转化为m/z-t-I图像，体现生物样本中各个化合物之间的质量相关性。

7.根据权利要求1所述的基于质谱信息的生物特征图像识别方法，其特征是：步骤4)生成的m/z-t-I图像中的数据点按区域进行划分，一个区域如果含有n空间相邻的数据点(n≥3)，这些数据点和区域外的数据点界限清楚，该区域将被视为潜在的标志区，这类区域可通过直接的视觉分析，依据点的空间距离、排列规律、色度大小进行甄别，也可以通过计算机程序对单位面积内点的密度、强度进行排序，识别出可能的标志区域；通过对此类区域位置和轮廓的比较分析，用于快速发现能够识别样本的特征区域，并配合权利要求5中的相似性分析，用于生物样本的识别和分类。