CN108663437A - 一种快速筛查标的物的方法 - Google Patents

Abstract

本发明公开了一种快速筛查标的物的方法，包括：将混合物分离后使用质谱技术进行检测，得到混合物的全扫描谱图；之后选取所需检测的标的物的特征离子，并检测到所述特征离子的离子峰于全扫描谱图内所在的区间；然后利用熵最小算法对这些区间进行计算，并得到标的物的重建纯谱与其对应的伪浓度；最后将所述重建纯谱与数据库进行比对，或自行分析鉴定，以确定标的物存在与否。较之现有技术，本发明实施例的方法既可以快速的确定标的物可能存在的区域，又可以通过熵最小算法而得到它们的完整纯谱，结果更加精准，同时效率更高，检测限更低。

Description

一种快速筛查标的物的方法

技术领域

本发明涉及一种物质的检测分析方法，特别是一种快速筛查标的物的方法，属于仪器分析技术领域。

背景技术

快速筛查标的物来确定混合物中标的物的存在以及含量，有非常广泛的应用，例如农残检测，食品安全检测等。

一般可以使用质谱仪来进行标的物的快速筛查。特别的，质谱仪可以和某种分离方式结合来更方便的检测标的物，例如，气相色谱质谱仪(GC-MS)或液相色谱质谱仪(LC-MS)。一般的检测方法，即标的物筛查，是通过使用目标物的标样或通过SIM(选择性离子检测)或MRM(多反应检测扫描)模式来进行筛查。SIM具体方式是，仅检测目标标的物的特征离子，其他离子不被记录。这样每秒钟可以进行更多次扫描，基质干扰变低，可以提高分析灵敏度。MRM的具体方式是，某一化合物的母离子选择一个离子，碰撞后的子离子也选择一个离子，同时做多个化合物。因为两次都只选单粒子，所以噪音和干扰排除得更多。

然而，SIM和MRM模式，一般作为定量检测。因为所检测到的物质不是全谱，除非确定保留时间，一般不能准确对物质进行定性，存在一定的不确定性。因此，常规的方法是需要买到标样确定标的物的保留时间，然后再使用SIM或者MRM模式来进行标的物的检测。但是，这种方法比较费时费力且不精准。首先，需要确定所有标的物的保留时间才可以进行定性。其次，在不同的分析中，物质的保留时间可能会有所偏移。如果出现保留时间偏移，则更加对于标的物的检测带来困难。另外，有些非标的物和标的物也可能在同一保留时间产生同样的离子碎片，进而干扰检测，同时造成检测浓度失真。同时，由于SIM模式的设定，每次分析，由于只能设定几个离子峰，所以只能同时对同类的标的物进行分析，无法对结构和基团有差别的不同化合物同时分析。因此，仅仅靠SIM或者MRM的模式来筛查标的物，费时费力，而且不够精准。

一种更精确的确认标的物的方法是用全扫描模式来进行标的物的检测。通过全扫描模式得到待检测物质的全谱，之后通过与数据库比对来精确筛查标的物。理论上，全扫描模式可以分析各种不同的标的物，不需要在不同的分析设定中，对不同类别的标的物进行分别分析，不需要像SIM模式中，同一个样品对不同的标的物做几次分析。然而，对于复杂混合物的全扫描分析，由于其中可含有上百种物质，GC-MS和LC-MS的分析谱图会有共流出峰，也会有痕量成分的微小峰。标的物也会有极大可能与基质和其他成分混合出峰，这种情况下很难得到可能的标的物的纯谱，从而确认标的物是否存在。SIM模式广泛应用于现在的标的物筛查和分析中，就是因为现阶段没有一个好的方法，能将标的物从混合物基质和共流出物中分离出标的物的纯谱。同时，现有的各种化学计量法方法，例如软件AMDIS和MassHunter对全扫描谱的检测限非常高，无法适用于痕量和极痕量成分的分析，而且它们也无法得到干净的标的物的纯谱，所以限制了利用全扫描方法的应用。

发明内容

本发明的目的在于提供一种快速筛查标的物的方法，以克服现有技术的不足。

为实现前述发明目的，本发明采用的技术方案包括：

本发明实施例提供了一种快速筛查标的物的方法，其包括如下步骤：

(1)将混合物分离，并使用质谱法进行检测，得到所述混合物的全扫描谱图；

(2)选取所需检测的标的物的一个以上特征离子，并检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间；

(3)利用熵最小算法对步骤(2)检测到的所述区间进行计算，得到所述区间内存在的一个以上化合物的重建纯谱和对应的伪浓度；

(4)直接对所述重建纯谱进行分析，或者，将所述重建纯谱与数据库进行比对，从而确定是否存在标的物。

在一些实施方案中，步骤(1)中将所述混合物进行分离的方法包括色谱分离法、毛细管电泳法、离子迁移法中的任意一种或两种以上的组合，且不限于此。

在一些实施方案中，步骤(2)包括：选择得到包含其中一个或两个以上特征离子的区间。在一些实施方案中，步骤(3)包括：选择性地去除所述区间内的一个以上离子，再利用熵最小算法对所述区间进行计算，得到所述区间内的化合物的重建纯谱及对应的伪浓度。

较之现有技术，本发明的优点至少在于：

(1)本发明实施例提供的一种快速筛查标的物的方法既可以快速的确定标的物可能存在的区域，又可以通过熵最小算法，得到其中的纯谱来进行比对，方便简洁，快速经精准。

(2)利用本发明实施例的方法，可以在同一套全扫描的质谱数据中，通过设定不同的特征离子，快速的发现不同类的各种标的物。其有机结合了全扫描的优点和SIM模式发现标的物的优点，同时利用熵最小算法能够从混合物谱图中将纯谱非常干净的抽离出来的特征，使得本发明实施例的方法能够得到更精确的结果，同时速度更快，应用范围更广。

(3)本发明实施例的方法由于可以检测单个离子，因此降低了检测限(limit ofdetection)，可以检测非常痕量的物质。

附图说明

图1是本发明一典型实施方案中一种快速筛查标的物的方法的流程图。

图2是本发明实施例1中可能含有毒死蜱的混合物的GC-MS总离子流谱图。

图3示出了本发明实施例1中包含m/z＝197Da和m/z＝314Da的数据通道。

图4示出了本发明实施例1中包含m/z＝197Da和m/z＝314Da的离子峰的区间。

图5是本发明实施例1中切割包含m/z＝197Da和m/z＝314Da的所在TIC区间的3D图谱。

图6示出了本发明实施例1中使用熵最小算法对截取的区间进行计算得到的结果。

图7示出了本发明实施例1中成分B和数据库的比对结果。

图8是本发明实施例2中可能含有农药的混合物的GC-MS总离子流谱图。

图9示出了本发明实施例2中包含m/z＝263Da,m/z＝173Da,m/z＝291Da的数据通道。

图10示出了本发明实施例2中经过数据库比对后确定的标的物所在区间以及峰。

图11示出了本发明实施例3中包含m/z＝182Da的数据通道。

图12示出了本发明实施例3中利用特征离子对含有特征离子的峰进行选择。

图13示出了本发明实施例3中熵最小算法解谱得到的纯谱和数据库中酪氨酸谱图的比对结果。

图14是本发明实施例4中人体血清样品LC-MS数据在保留时间4.614分钟的质谱图。

具体实施方式

本案发明人经过长期研究发现，对于标的物的精准检测，需要使用全扫描来进行。然而使用全扫描来进行对复杂混合物的分析，有很多问题。首先，如果有共流出峰和痕量物质，很难得到这些化合物的纯谱。例如，本案发明人于CN103940934B中介绍了一种分析混合物的方法，可以对复杂混合物进行检测，得到待检测区间中物质的纯谱，特别的，该方法对于痕量物质或共流出的物质的检测有独特的优势，对未知物分析非常有用，然而，如果运用此方法筛查标的物，则需要对每个区间进行解谱得到纯谱，计算出大量的无关化合物，然后从大量无关化合物中再确定标的物的存在。如果直接应用该专利文献的方法于标的物分析，由于大量时间用于无关化合物的计算和分析上，效率较低。另外，由于该专利文献的方法是通用的应用于全成分分析上，所以对某一标的物的分析一般来说检测限高。

因此，本案发明人发现，如果在筛查标的物时，使用选择性离子的概念，先对标的物的特征离子区间进行标识，再利用熵最小算法对此区间进行解谱得到纯谱，来确定标的物的存在，即可大大缩短对全扫描图谱的分析时间，并且更加精准，检测限也低。更加的，通过使用全扫描谱图，可以对同一个数据，进行不同类别的标的物的快速分析。

概括地讲，本发明实施例提供了一种快速分析不同类别的标的物的方法，其首先通过全扫描模式检测混合物，然后通过选择不同特征离子或其组合，快速发现这些标的物可能存在的出峰时间区间，并且利用熵最小算法对这些区间的全扫描谱图进行计算分析，然后检查得到的重建纯谱是否是标的物，去确定是否存在该标的物，并给出浓度。

具体而言，本发明提供的一种可以快速筛查标的物的方法包括：将混合物进行分离和使用质谱法进行检测，得到混合物全扫描谱图。之后选取所需检测的标的物的一个特征离子或多个特征离子的组合，并检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间。然后利用熵最小算法，对这些区间进行计算，并得到标的物的重建纯谱与其对应的伪浓度。最后将重建纯谱与数据库进行比对，得到是否存在标的物和浓度信息；当然用户也可利用经验自行分析鉴定。

相应的，本发明实施例提供的一种快速筛查标的物的方法包括如下步骤：

(1)将混合物分离，并使用质谱法进行检测，得到所述混合物的全扫描谱图；

(2)选取所需检测的标的物的一个以上特征离子，并检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间；

(3)利用熵最小算法对步骤(2)检测到的所述区间进行计算，得到所述区间内存在的一个以上化合物的重建纯谱和对应的伪浓度；

(4)直接对所述重建纯谱进行分析，或者，将所述重建纯谱与数据库进行比对，从而确定是否存在标的物。

在一些实施方案中，步骤(1)中将所述混合物进行分离的方法包括色谱分离法、毛细管电泳法、离子迁移法中的任意一种或两种以上的组合，但不限于此。

进一步地，所述的色谱分离法包括气相色谱法，液相色谱法、亲水保留色谱法中的任意一种或两种以上的组合，但不限于此。

更进一步地，步骤(1)中的分离技术包括色谱分离、毛细管电泳、离子迁移中一种或几组的组合，但不限于此。

其中，分离技术包括众多可以对混合物进行分离的技术，例如气相色谱技术，液相色谱技术等。例如，使用气相色谱技术，对易挥发物质进行分离；使用液相色谱技术，对液态不易挥发的物质进行分离；对生物大分子等，可以使用毛细管电泳来分离等。也可以把这几种分离技术组合起来，只要可以达到分离效果即可。同时，可以是精细分离，也可以是做初步分离即可。

在一些实施方案中，步骤(1)包括：采用色谱质谱联用技术对所述混合物进行分离及质谱分析。

在一些实施方案中，步骤(1)包括：采用质谱分析设备对分离后的混合物进行检测。

所述质谱分析设备包括四极杆质谱仪，飞行时间质谱仪、离子阱质谱仪、静电场轨道阱组合式质谱仪和磁质谱仪中的任意一种或两种以上的组合，但不限于此。

其中，一般的全扫描仅需要具有一级质谱功能的设备即可。如果是有二级质谱功能的设备，可以设置选择只使用其一级质谱设备。本发明实施例的另一个优点，即是不需要使用二级质谱设备，仅使用一级质谱设备，即可对物质进行定性。使用二级质谱设备，设备的价格比仅有一级质谱功能的设备贵很多。因为使用熵最小算法对一级质谱的结果来进行计算，可以得到物质的纯谱，不需要再用二级质谱来定性。

更进一步的，全扫描的数据包括使用正离子或负离子模式下扫描的数据。因为筛查的是质荷比(m/z)，因此不论是正离子或负离子模式的数据都符合筛查离子的要求。

在一些实施方案中，步骤(2)包括：抽取所述特征离子的数据通道，并人工检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间。

在一些实施方案中，步骤(2)包括：抽取所述特征离子的数据通道，并用算法检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间。

在本发明的实施例中，当得到混合物的全扫描图谱后，可以抽取出特征离子的数据通道，因为这些数据通道都存在与原始数据中，因此抽取得到这些特征离子的通道就可以了。抽取出特征离子的数据通道后，可以人工检测到特征离子的离子峰所在的区间，也可以通过算法来检测到特征离子的离子峰区在的区间。检测离子峰的算法包括很多种，例如，这个特征离子的数据通道内符合高斯分布(Gaussian distribution)或柯西-洛伦兹分布(Lorentz distribution)的，即可以算作特征离子的离子峰，继而就可以把这些区间标识出来；也可以根据找到相邻的最高点(local maxima)和最低点(local minima)来定义一个离子峰，因此离子峰也可以是不对称的峰；另外，当质谱检测得到的同一组数据的峰宽是固定时间的时候，也可以自己定义一个峰宽的时间，然后在这个峰宽内，如果有一个最高点和最低点，就可以定义为一个离子峰。找到这些离子峰之后，把离子峰的区间标识出来，来进行下一步计算。

在一些实施方案中，步骤(2)包括：选择得到包含其中一个特征离子的区间。

在一些实施方案中，步骤(2)也可以包括：选择得到包含两个以上特征离子的区间。

本领域技术人员所悉知的是，一个化合物，在做质谱检测的时候，一般都存在多个离子。在做区间选择的时候，可以只选择1个特征离子，也可以选择多个特征离子。当选择1个特征离子的时候，可以检测到所有包含此特征离子的时间区间并标识。当输入多个特征离子时，可以选择只要包含其中任意一个特征离子的时间区间都被标识出来，也可以选择需要所有特征离子在内的时间区间才可以标识出来。

在一些实施方案中，步骤(3)中熵最小算法包括BTEM、tBTEM或MREM方法中的任意一种或两组以上的组合，但不限于此。

在一些实施方案中，步骤(3)包括：选择性地去除所述区间内的一个以上离子，再利用熵最小算法对所述区间进行计算，得到所述区间内的化合物的重建纯谱及对应的伪浓度。

在一些实施方案中，步骤(3)包括：于所述的区间内，选择质荷比值的范围，并在所述质荷比值的范围内利用熵最小算法进行计算，得到所述质荷比值的范围内的化合物的重建纯谱与对应的伪浓度。

本发明实施例的方法中，对于有标的物的快速筛查，由于不需要做全扫描，则不需要对所有的区间进行分析和解谱。那么使用待检测化合物的特征离子，来进行切峰，则可以排除掉没有特征离子的区间。但是即使有特征离子的区域，也不一定就是标的物。因此，需要使用熵最小算法，对这些有特征离子的区间进行分析，并得到可能的标的物在区间的全谱。

当确定需要进行计算的区间后，使用熵最小系列算法进行计算。当计算时，也可以去除掉某些离子来进行计算。例如，经过看3D图谱后得知某些离子仅为背景峰，那么可以把这些背景峰的离子去掉，来进行计算。也可以缩短需要计算的离子区间范围，例如，全扫描时设置的离子区间范围是50-500Da,若已知m/z＝100Da以下都为背景离子，那么选择计算范围时，可以标注计算的质荷比范围为m/z＝100-500Da再进行计算。

进一步的，对于得到的纯谱，为了再次确认物质的身份，需要把得到的纯谱与数据库作比对。或者不需要作比对，而自行分析。通过得到纯谱的分子离子(例如，[M+1]⁺)和其他的碎片离子来分析。

更进一步的，本发明也可以使用具有二级质谱及以上的设备，例如具有MSⁿ功能的质谱，并同时得到一级和多级质谱。例如，在液相质谱中，标的物通常是以单个分子离子的形式存在于一级质谱中。如果是低分辨率的质谱仪，有时即使使用特征离子检测到区间，并利用熵最小算法得到纯谱，也无法区别是否是标的物。此时可以利用多级质谱的结果来分析。利用多级质谱的碎片离子，可以和数据库比对，或自行分析，即可筛查标的物。

而且，本案发明人还发现，对于没有标的物的混合物的快速分析，也就是，对于非目标化合物分析，并且知道其具体成分，也可以利用本发明实施例的概念，结合切峰和熵最小算法，先切出不同的区间，再利用熵最小算法来进行计算。具体地说，可以将混合物分离后，用质谱检测得到混合物全扫描谱图。之后利用算法自动检测混合物谱图的峰，并切峰。然后利用熵最小算法对每个区间分别进行计算，得到每个区间内的重建纯谱和伪浓度。并将纯谱与数据库进行比对，或自行分析进行鉴定。例如，可以对一个GC-MS或LC-MS的全扫描谱图进行切峰，对于有物质存在的区域，自动识别并标识出来。之后再利用熵最小算法对每段切出来的区间进行计算，从而得到每段区间的化合物的纯谱。切峰的算法，是利用每一个m/z的离子通道来进行检测，当m/z的离子通道中存在有丰度变化的通道，那么在有丰度变化的通道的相应的保留时间内，即可认为是有物质存在的。那么就可以对这段保留时间区间进行标记，即是切峰算法。也可以选择某个时间区间，在这个时间区间内进行自动切峰，或者选择按照每个物质的宽度自动切峰，或者设置固定时间为每个峰的宽度来进行自动切峰。

如下将结合本发明的附图和实施例，进一步的对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

除非特别限定，本发明所用术语均为本领域技术人员通常理解的含义。

实施例1：快速筛查海水中的毒死蜱

仪器：岛津(Shimadzu)的气相色谱-四级杆质谱仪(GC-MS)。使用HP-5ms的的气相色谱柱(30mx0.25mm,ID＝0.25um)。

实验过程：将可能含有毒死蜱的海水样品放入进样瓶，在水浴70摄氏度下，将SPME置入海水中60分钟，之后，将SPME置入GC-MS开始进行采样，采用全扫描模式得到数据。其总离子流谱图(TIC)如图2所示。

快速筛查标的物毒死蜱

标的物为毒死蜱，经过研究，确认毒死蜱的特征峰为m/z＝197Da和314Da。于是，从GCMS的全扫描质谱中，只针对数据通道是197和314Da的质谱TIC谱图进行寻找。图3可以看出包含197Da和314Da的数据通道。197Da的数据通道上，197Da出现在很多TIC时间，而314Da的数据通道上，314Da仅出现在一个TIC时间。

若选择任一特征离子离子峰存在的区间，则会标识出23个区间。如果是选择两个特征离子离子峰同时存在的区间，则仅会标识出一个区间。同时存在这两个特征离子的出峰区间为11.58min–11.80min，如图4所示；然后从原始全扫描数据中，用3D方式显示出此区间，如图5所示。在图5中，肉眼可发现其中包含两个明显的成分，但是无法确定是否有毒死蜱，以及哪个物质是毒死蜱(图5)。因此，需要使用熵最小算法对此区间进行计算，并得到每个物质的纯谱，然后与数据库进行比对，才可以最终确定其中的物质是否是毒死蜱。本案发明人使用熵最小算法，对图4所示全扫描数据区间进行解谱。得到结果如图6所示。从图6可看出，熵最小算法得到两个纯组分，验证了图5中发现的两个成分。同时，利用熵最小算法可以得到成分A和B的纯谱，与NIST数据库作比对，确定成分B为毒死蜱(图7)。

通过本发明实施例的方法可见，由于熵最小算法能从全扫描质谱数据上，将成分的全部的纯质谱图干净的抽离出来，并和数据库中全质谱比对，确定含有毒死蜱成分而且可信度非常高。相比于SIM模式的一个或者几个特征离子(197和314Da),可以非常精准而且有信心的确认标的物。

如果使用CN103940934B的方法，在该全扫描数据上，需要分析大于150个区间，而且需要将200多个计算得到的重建纯谱和数据库分别比对，非常的费时费力。使用本发明实施例的方法，则只需利用化合物的特质峰，在一个区间上使用熵最小算法即可，速度大大提高，而且比对也非常迅速。

实施例2：快速进行果汁中的农残检测

仪器：安捷伦(Agilent)的气相色谱-四级杆质谱仪(GC-MS)。使用HP-5ms的的气相色谱柱(30mx0.25mm,ID＝0.25um)。

实验过程：将可能含有马拉硫磷、甲基对硫磷、对硫磷三种农药残留的果汁做检测，使用固相微萃取插头插入含有果汁的萃取瓶中，在70度水浴下萃取60分钟。萃取结束后，将萃取插头取出并插入GC-MS进样口进行全扫描分析。最终得到TIC如图8所示。

快速筛查马拉硫磷、甲基对硫磷、对硫磷

标的物为马拉硫磷、甲基对硫磷、对硫磷。经查询甲基对硫磷的特征离子为m/z＝263Da,马拉硫磷的特征离子为m/z＝173Da，对硫磷的特征离子为m/z＝291Da。在全扫描质谱数据中，寻找m/z＝263Da,173Da,291Da这三个数据通道，只需要在这三个通道中，有其中任何一个离子峰的区间，就使用算法记录下来。然后用记录下来的区间，对原始的全扫描质谱数据进行区间提取。如图9所示，图9显示了包含m/z＝263Da,m/z＝173Da,m/z＝291Da的数据通道。这些数据通道，共找到43个区间。类似的，按照实施例1中的方法，经过熵最小算法，在这43个区间中，本案发明人使用熵最小算法进行计算，并与数据库比对。最后分别发现在保留时间13.20-13.32分钟，14.25-14.39分钟和14.61-14.71分钟发现标的物，按时间先后分别是甲基对硫磷、马拉硫磷以及对硫磷，如图10所示。

实施例3：快速分析氨基酸

仪器：安捷伦(Agilent)的LC-IT-TOF质谱仪。

实验过程：将几种氨基酸混合标样混入水中，用正离子模式全扫描方法，扫描的质谱区间为m/z＝50-500Da，得到其一级质谱(MS¹)。

分析数据中的标的物酪氨酸

标的物为酪氨酸。酪氨酸的分子量为181。因此，分子离子为m/z＝182Da([M+H]⁺)。以182Da为特征离子，使用算法找到包含这个特征离子离子峰的区间，进行区间提取。如图11所示的包含m/z＝182Da的数据通道，可以看出，共有5个区间包含此离子的离子峰。使用算法检测并标识出这五个区间，如图12所示。使用熵最小算法对这五个区间进行解谱，得到这5个区间中成分的纯谱。将得到的所有纯谱分别与数据库作比对后，确认在保留时间在2.92-3.02分钟的物质为酪氨酸，见图13。

另外，以上的方法是对50-500Da整个区间进行熵最小计算解谱。也可以选择质荷比的范围来进行熵最小计算。本实施例中，一般情况下50-100Da为背景离子，因此可以选择100–500Da进行解谱，这样可以加快计算结果。还可以去除掉某背景峰离子，这些数据不用加入熵最小计算，这样可以更加快速和准确的得到纯谱。例如，本实施例中，可以去除掉m/z＝118Da的背景离子使其不加入计算。

实施例4：快速在人体血清中筛查痕量阿托伐他汀

本案发明人经过长期经验发现，如果对全成分分析，一般来说检测限很高。特别是由于高基质或者高背景的复杂化合物来说，痕量成分由于离子峰丰度非常低，而且对比高背景，相对丰度就更低，所以非常难以被检测到。如果使用本发明实施例的方法，就可以降低检测限，发现非常痕量的物质。

将可能含有阿托伐他汀的人体血清样品使用LC-MS的分析，得到正电子模式下的一级质谱。因为阿托伐他汀的分子量为558，因此分子离子([M+1]⁺)为559Da。

以559Da为特征离子，选择含有559Da的区间，共选出6个区间。去除背景离子后应用熵最小算法解谱，确定在保留时间4.58–4.648分钟的区间存在阿托伐他汀。由图14可知，此区间的背景峰的丰度大概在3E6左右，然而阿托伐他汀的丰度大约在1E4左右。因此痕量物质利用此方法可以检测并确认。然而使用普通方法无法对如此低丰度的物质进行检测。

基于该数据，由于不知道阿托伐他汀的确定保留时间，而且阿托伐他汀所在区间数据非常复杂，再加上背景和杂质的干扰非常高，因此，一般的自动检测物质的算法，检测限很高，无法检测到阿托伐他汀。如果根据大概的保留时间范围，将区间人工截取出来后，应用熵最小方法，由于保留时间范围不够精准，解谱结果也不一定可以得到阿托伐他汀，因此不能马上得到阿托伐他汀的纯谱并确定有其存在。但是因为本发明实施例的方法，阿托伐他汀的出现的保留时间区间被精确的截取，然后去除背景离子后利用熵最小算法，可以非常迅速的将其干净的纯谱重建出来，所以顺利的将阿托伐他汀找到了。该实施例例表示了本发明的技术方案可以大幅减低检测限。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (11)

1.一种快速筛查标的物的方法，其特征在于包括如下步骤：

(1)将混合物分离，并使用质谱法进行检测，得到所述混合物的全扫描谱图；

(2)选取所需检测的标的物的一个以上特征离子，并检测到所述特征离子的离子峰于所述全扫描谱图内所在的区间；

(3)利用熵最小算法对步骤(2)检测到的所述区间进行计算，得到所述区间内存在的一个以上化合物的重建纯谱和对应的伪浓度；

(4)直接对所述重建纯谱进行分析，或者，将所述重建纯谱与数据库进行比对，从而确定是否存在标的物。

2.根据权利要求1所述的方法，其特征在于：步骤(1)中，将所述混合物进行分离的方法包括色谱分离法、毛细管电泳法、离子迁移法中的任意一种或两种以上的组合。

3.根据权利要求2所述的方法，其特征在于：所述的色谱分离法包括气相色谱法，液相色谱法、亲水保留色谱法中的任意一种或两种以上的组合。

4.根据权利要求1-3中任一项所述的方法，其特征在于，步骤(1)包括：采用色谱质谱联用技术对所述混合物进行分离及质谱分析。

5.根据权利要求1所述的方法，其特征在于，步骤(1)包括：采用质谱分析设备对分离后的混合物进行检测，所述质谱分析设备包括四极杆质谱仪，飞行时间质谱仪、离子阱质谱仪、静电场轨道阱组合式质谱仪和磁质谱仪中的任意一种或两种以上的组合。

6.根据权利要求1所述的方法，其特征在于，步骤(2)包括：抽取所述特征离子的数据通道，并检测得到所述特征离子的离子峰于所述全扫描谱图内所在的区间。

7.根据权利要求1所述的方法，其特征在于，步骤(2)包括：选择得到包含其中一个特征离子的区间。

8.根据权利要求1所述的方法，其特征在于，步骤(2)包括：选择得到包含两个以上特征离子的区间。

9.根据权利要求1所述的方法，其特征在于：步骤(3)中，所述的熵最小算法包括BTEM、tBTEM或MREM方法中的任意一种或两组以上的组合。

10.根据权利要求1所述的方法，其特征在于，步骤(3)包括：选择性地去除所述区间内的一个以上离子，再利用熵最小算法对所述区间进行计算，得到所述区间内的化合物的重建纯谱及对应的伪浓度。

11.根据权利要求1所述的方法，其特征在于，步骤(3)包括：于所述的区间内，选择质荷比值的范围，并在所述质荷比值的范围内利用熵最小算法进行计算，得到所述质荷比值的范围内的化合物的重建纯谱与对应的伪浓度。