CN109477776A - 使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 - Google Patents
使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 Download PDFInfo
- Publication number
- CN109477776A CN109477776A CN201780044531.2A CN201780044531A CN109477776A CN 109477776 A CN109477776 A CN 109477776A CN 201780044531 A CN201780044531 A CN 201780044531A CN 109477776 A CN109477776 A CN 109477776A
- Authority
- CN
- China
- Prior art keywords
- raman
- raman spectrum
- adjacent peaks
- elution
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/036—Analysing fluids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/74—Optical detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/76—Acoustical detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/78—Detectors specially adapted therefor using more than one detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/02809—Concentration of a compound, e.g. measured by a surface mass change
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
一种用于使用气相色谱仪、与所述气相色谱仪耦合以定义气相色谱法(GC)/SAW系统的所述表面声波(SAW)传感器、以及拉曼光谱仪来对样本中的化学物质进行鉴别的方法。所述方法包括:接收由所述SAW传感器生成的SAW频率响应数据;接收由所述拉曼光谱仪生成的拉曼光谱数据;基于对所述拉曼光谱数据的积分而产生与兴趣洗脱成分相对应的拉曼光谱;基于所述SAW频率响应数据的相应波峰而鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
Description
相关申请的交叉引用
本申请涉及并且要求于2016年5月20日提交的名称为“APPARATUS FOR SAMPLEANALYSIS WITH MULTIPLE SENSOR FUSION(利用多传感器融合的样本分析装置)”的美国临时专利申请号62/339,344的权益,所述美国临时专利申请的全部披露内容通过引用结合在此。
声明:联邦政府赞助的研究/开发
不适用
技术领域
本披露总体上涉及对样本中的化学物质进行鉴别,并且更具体地涉及通过使用气相色谱法(GC)、表面声波(SAW)传感器以及拉曼光谱仪系统来对化学物质进行鉴别。
背景技术
用于对样本中的化学物质进行定性鉴别和/或定量测量的各种设备利用气相色谱法以将样本分离成各种成分。蒸发的样本通过气相色谱仪的GC柱,其中,样本的不同成分取决于其化学物理性质而保留不同的时间长度。当每种成分从GC柱中洗脱时,其保留时间由检测器来测量。每种成分的化学物质鉴别是基于通过传感技术对所测得保留时间和所鉴别性质的分析。被认为是分析化学标准的最常用技术之一是GC/质谱分析法(MS),其中,使用质谱仪作为检测器,利用所述质谱仪检测每种分离成分的电离片段的附加能力。然而,此技术存在一些显著的缺点,比如,尺寸大、成本高、以及GC/MS系统通常不可携带的事实。
一直与气相色谱法一起使用的检测器的其他示例包括光电离检测器(PID)、电子捕获检测器(ECD)和SAW传感器(所谓的GC/SAW系统)。对于这些类型的检测器,化学物质鉴别仅基于GC保留时间,其具有已知的限制,比如,在未由气相色谱仪很好地分离成分的情况下错误鉴别的可能性。
常规上与气相色谱法无关的另一技术领域是光谱学,其中,设备测量在利用光激发样本之前和之后电磁光谱的变化。一种这样的设备是拉曼光谱仪,所述拉曼光谱仪测量拉曼散射,即当样本中的分子被激发到虚拟能量状态时光子的非弹性散射。由于这些光谱与样本的分子结构直接相关,因此可以高精度地实现化学物质鉴别。然而,通常需要高浓度的化学物质。
发明内容
本披露设想了用于克服相关技术所伴随的上述缺点的各种系统、方法和装置。本发明实施例的一个方面是一种用于对样本中的化学物质进行鉴别的方法。所述方法包括:接收由气相色谱法(GC)/SAW系统的SAW传感器生成的表面声波(SAW)频率响应数据,所述SAW频率响应数据包括分别与通过所述GC/SAW系统的气相色谱仪从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰;接收由拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分产生与兴趣洗脱成分相对应的拉曼光谱;基于所述SAW频率响应数据的所述相应波峰而鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
本发明实施例的另一个方面是一种用于对样本中的化学物质进行鉴别的系统。所述系统包括气相色谱仪;与所述气相色谱仪耦合的表面声波(SAW)传感器,以定义气相色谱法(GC)/SAW系统,其中,通过气相色谱仪从样本中分离出的一种或洗脱成分累积在所述SAW传感器上的冷凝点处;以及与所述冷凝点对准的拉曼光谱仪,来自在所述冷凝点处累积的一种或多种洗脱成分的拉曼散射光可由所述拉曼光谱仪收集。所述系统可以进一步包括:通信地耦合至所述SAW传感器和所述拉曼光谱仪的输入接口,所述输入接口可接收由所述SAW传感器生成的SAW频率响应数据,并且所述SAW频率响应数据包括分别与通过所述气相色谱仪从所述样本中分离的所述一种或多种洗脱成分相对应的一个或多个波峰,所述输入接口进一步可接收由所述拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;通信地耦合至所述输入接口的光谱发生器,由所述光谱发生器基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分中产生与兴趣洗脱成分相对应的拉曼光谱;通信地耦合至所述输入接口的候选化学物质鉴别器,由所述候选化学物质鉴别器基于所述表面声波频率响应数据的相应波峰来鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及通信地耦合至所述候选化学物质鉴别器和所述光谱发生器的拉曼搜索引擎,由所述拉曼搜索引擎在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
本发明实施例的另一个方面是一种非暂态程序存储介质,其上存储有可由处理器或可编程电路执行的指令,以执行用于鉴别样本中的化学物质的操作。所述操作包括:接收由气相色谱法(GC)/SAW系统的SAW传感器生成的表面声波(SAW)频率响应数据,所述SAW频率响应数据包括分别与通过所述GC/SAW系统的气相色谱仪从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰;接收由拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分产生与兴趣洗脱成分相对应的拉曼光谱;基于所述SAW频率响应数据的所述相应波峰而鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
当结合附图阅读时,通过参考以下详细描述将最好地理解本披露。
附图说明
关于以下描述和附图将更好地理解本文披露的各实施例的这些和其他特征及优点,其中,贯穿全文以相似的数字指代相似的部分,并且在附图中:
图1展示了根据本发明实施例的用于对样本中的化学物质进行鉴别的系统;
图2展示了根据本发明实施例的用于对样本中的化学物质进行鉴别的示例装置200;
图3是SAW频率响应数据的示例的图形表示;
图4是具有不同积分时间的积分拉曼光谱数据的示例的图形表示(上图),以及已知的拉曼光谱(下图);
图5是SAW频率响应数据和拉曼光谱数据的示例;
图6示出了根据本发明实施例的关于图1中所示系统的示例操作流程;
图7示出了根据本发明实施例的装置200的示例操作流程;
图8是图7中步骤S730的示例操作流程;
图9A是图7中步骤S740的示例操作流程;
图9B是SAW频率响应数据的部分重叠波峰的概念表示;
图9C是SAW频率响应数据的完全重叠波峰的概念表示;
图9D是图7中步骤S740的另一示例操作流程;
图10是图9A和图9D中步骤S930的示例操作流程;
图11A是图9A和图9D中步骤S920的示例操作流程;
图11B是图9A和图9D中步骤S920的另一示例操作流程;
图12是图9A和图9D中步骤S950的示例操作流程;
图13是图12中步骤S1220的示例操作流程;
图14A和图14B示出了计算机1400的示例,其中,图2的装置200、图6至图13的操作流程、和/或所要求保护的本发明的其他实施例可以全部地或部分地体现,其中图14A示出了计算机1400,并且图14B示出了系统单元1410的框图。
具体实施方式
本披露涵盖用于对样本中的化学物质进行鉴别的系统、方法和装置的各种实施例。以下结合附图阐述的详细描述旨在作为对这些方法的若干目前设想的实施例的描述并且不旨在表示所披露的本发明可以被开发和/或利用的仅有形式。所述描述结合所展示的实施例阐述了功能和特征。然而,应理解的是,相同或等效的功能可以通过也旨在涵盖在本披露的范围内的不同实施例来完成。应进一步理解的是,使用比如第一和第二等关系型术语仅被用于将一个实体与另一个进行区分,而不是必然要求或者暗示这些实体之间的任何这种实际的关系或顺序。
图1展示了根据本披露的实施例的用于对样本中的化学物质进行鉴别的系统10。系统10包括气相色谱仪100,所述气相色谱仪可以包括注射端口102和气相色谱(GC)柱104。在经由注射端口102注入气相色谱仪100中时,蒸发的样本由载气106运载通过GC柱104,其中,样本的不同成分取决于其化学物理性质而保留不同的时间长度。图1中所展示的系统10进一步包括与气相色谱仪100耦合的表面声波(SAW)传感器108,以定义GC/SAW系统,其中,通过气相色谱仪100从样本中分离出的一种或多种洗脱成分累积在SAW传感器108上的冷凝点110处。SAW传感器108可以例如被安排成与GC柱104的输出端接近,使得冷凝点110接近GC柱104的内部尺寸的大小。样本的从GC柱104洗脱的化学成分到达冷凝点110,在此处,只要SAW传感器108的温度低于化学成分的露点,这些化学成分就会冷凝。为此,所述系统可以包括热电冷却器112,通过所述热电冷却器可以调节SAW传感器108的温度。与SAW传感器108相关联的电子器件(未示出)可以生成SAW频率响应数据,所述SAW频率响应数据包括分别与当从GC柱104洗脱时在冷凝点110处冷凝的一种或多种化学成分相对应的一个或多个波峰。
图1的系统10进一步包括与冷凝点110对准的拉曼光谱仪114,以便收集来自在冷凝点110处累积的一种或多种洗脱成分的拉曼散射光117。容纳拉曼光谱仪114的光学元件(例如,透镜、滤光器、反射镜)的拉曼光谱仪114的头部或探针115可以以几毫米到几厘米的距离且以一定角度定位在SAW传感器108上方,以便不干扰冷凝点110处的化学成分的累积。头部或探针115可以是同轴设计,其中,一个或多个光学元件将通过激发光纤122引入的激发激光118聚焦在冷凝点110处,并且之后从冷凝点110处接收将由收集光纤116收集的拉曼散射光117。GC柱104和SAW传感器108的位置可以是预定的且固定的,以允许激发激光118在冷凝点110处的高精度聚焦。由收集光纤116收集的拉曼散射光117随后可以入射到拉曼传感器(未示出)上,例如,电荷耦合器件(CCD),并且用于生成当从CD柱104洗脱时在冷凝点110处冷凝的一种或多种化学成分的拉曼光谱数据。可以以与SAW频率响应数据的采样频率相匹配的采样频率来生成拉曼光谱数据,以产生相应的数据集合。
气相色谱仪100、SAW传感器108和拉曼光谱仪114可以是本领域已知的任何类型。对注射端口102、GC柱104和载气106的选择可以根据气相色谱法和GC/SAW系统的已知原理,并且可以取决于样本的性质和具体应用。例如,GC柱的直径以及GC/SAW系统的其他方面可以被选择用于支持快速GC。
最后,图1的系统包括可以支持对样本中的化学物质进行定性和/或定量鉴别的装置200。装置200可以可操作地连接到系统10的其他部件中的每个部件,包括SAW传感器108和拉曼光谱仪114,以及其他系统部件,比如,气相色谱仪100和/或热电冷却器112。因此,装置200可以用于对SAW频率响应数据和拉曼光谱数据进行后处理和/或根据装置200的处理结果和/或至装置200的用户输入来对各系统部件进行控制,在这种情况下,装置200可以用作用户终端。装置200的操作性连接可以是物理(例如有线)连接、经由网络的无线连接、或者比如在以下情况下的纯概念连接:在后处理的情况下(例如,在由一些数据存储介质传送之后)然后由装置200对由SAW传感器108、拉曼光谱仪114等生成的数据进行访问、处理等,或者在由装置200进行系统控制的情况下反之亦然。
图2展示了根据本发明实施例的用于对样本中的化学物质进行鉴别的示例装置200。装置200接收SAW频率响应数据和拉曼光谱数据;对拉曼光谱数据进行积分以产生与兴趣洗脱成分相对应的拉曼光谱;使用SAW频率响应数据来鉴别一组候选化学物质;并且在拉曼数据库中搜索拉曼光谱与所述候选化学物质之一之间的匹配。基于这样的搜索,装置200可以鉴别兴趣洗脱成分的化学物质(例如,在成功搜索的情况下)和/或调整图1的其他系统部件的设置。装置200包括输入接口210、SAW数据分析器220、候选化学物质鉴别器230、化学物质评估器250、质量估计器270和输出接口290,并且可以进一步包括或可访问保留指数数据库240、拉曼数据库260和校准曲线存储装置280。
输入接口210接收由GC/SAW系统的SAW传感器108生成的SAW频率响应数据,所述SAW频率响应数据包括分别与通过GC/SAW系统的气相色谱仪100从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰。输入接口210进一步接收由拉曼光谱仪114针对所述一种或多种洗脱成分所生成的拉曼光谱数据。SAW频率响应数据是SAW传感器108的频率响应根据时间的表示,并且可以采用例如以Hz为单位的频率vs以秒为单位的GC保留时间的形式。因此,在SAW传感器108的采样频率是50Hz的情况下,SAW频率响应数据可以包括以20毫秒间隔的一系列频率响应样本。SAW传感器108的频率响应可以例如是由于SAW传感器108上的洗脱化学成分的累积而引起的振荡频率变化。拉曼光谱数据是由拉曼光谱仪114接收并入射到其拉曼传感器上的拉曼散射光117的表示,并且根据以cm-1为单位的拉曼位移vs以秒为单位的GC保留时间,可以采用例如以每秒计数为单位的强度的形式。因此,在拉曼光谱仪114的采样频率是50Hz的情况下,拉曼光谱数据可以包括以20毫秒间隔的一系列拉曼光谱样本。
输入接口210可以从装置200外部接收SAW频率响应数据和拉曼光谱数据。例如,输入接口210可以例如通过与SAW传感器108和拉曼光谱仪114或其相关联电子器件(未示出)的有线或无线连接而直接从图1的其他系统部件接收SAW频率响应数据和拉曼光谱数据。可替代地,SAW频率响应数据和拉曼光谱数据可以从外部存储装置接收,或者通过比如互联网、WAN和/或LAN等网络从计算机或服务器接收。
SAW数据分析器220识别SAW频率响应数据的所述一个或多个波峰,并且识别SAW频率响应数据的一个或多个波谷。例如,SAW数据分析器220可以通过以下方式来识别波峰和波谷:利用多项式来逼近SAW频率响应数据,取多项式的导数,以及找到多项式的导数等于零的点(对应于多项式的极大值和极小值)。因此,SAW数据分析器220可以通过其GC保留时间或采样数来表征所述一个或多个波峰中的每个波峰以及所述一个或多个波谷中的每个波谷。SAW数据分析器220可以进一步通过波峰高度和/或波峰面积来表征所述一个或多个波峰中的每个波峰(例如,通过对逼近SAW频率响应数据的多项式从波谷到波峰周围的波谷进行积分)。
SAW数据分析器220还可以评估所述一个或多个波峰的相邻波峰是否部分地重叠。不同于完全重叠波峰或非重叠波峰,部分重叠波峰可以是这样的波峰:太靠近在一起而使得可能难以产生化学成分的精确拉曼光谱,同时相隔足够远而使得可由SAW数据分析器220单独地辨别波峰。更具体地,如果两个波峰太靠近在一起而使得SAW数据分析器220无法识别其之间的波谷,则波峰被认为是完全重叠波峰并且(在此阶段)无法与非重叠波峰进行区分。SAW数据分析器220不会将这种完全重叠波峰表征为部分重叠波峰。如果两个波峰相隔足够远而使得SAW数据分析器220识别其之间的波谷,则SAW数据分析器220可以基于预定标准而将波峰表征为或不表征为部分重叠波峰。例如,SAW数据分析器220可以通过关于相邻波峰评估相邻波峰之间的波谷高度是否超过波谷高度阈值来评估这些相邻波峰是否部分地重叠。如果分隔相邻波峰的波谷太高,则可以理解的是,波谷并不表示在第二化学成分开始冷凝之前从冷凝点110完全蒸发的第一化学成分,而是存在一定重叠,在所述重叠期间,这两种化学成分都存在于冷凝点110处(第一化学物质开始蒸发而第二化学物质开始冷凝)。作为另一示例,SAW数据分析器220可以通过关于相邻波峰评估相邻波峰是否比波峰距离阈值更靠近在一起来评估相邻波峰是否部分地重叠。以此方式,相邻波峰之间的简单时间关系(例如,相隔多少毫秒)可以粗略地指示化学成分是否可能有一定重叠。
候选化学物质鉴别器230基于SAW频率响应数据的相应波峰而鉴别兴趣洗脱成分的一组一种或多种候选化学物质。候选化学物质鉴别器230可以例如鉴别所有洗脱成分的候选化学物质组,即,由SAW数据分析器220找到的每个波峰的一组候选化学物质。或者,在对一些波峰不感兴趣的情况下,候选化学物质鉴别器230可以鉴别由SAW数据分析器220找到的波峰的仅子集的候选化学物质组。候选化学物质鉴别器230包括保留指数计算器232和保留指数搜索引擎234。
保留指数计算器232根据SAW频率响应数据的相应波峰而计算兴趣洗脱成分的保留指数。由SAW数据分析器220找到的波峰的GC保留时间可以被转换成独立于特定气相色谱仪100及其操作条件的保留指数,例如,科瓦茨保留指数。保留指数计算器232可以通过已知方法来计算保留指数。例如,可以将正烷烃与样本一起注入气相色谱仪100中,并且可以由SAW数据分析器220找到洗脱正烷烃的波峰以及与样本的化学成分相对应的波峰。保留指数计算器232可以基于其与洗脱正烷烃的波峰的关系来计算样本的给定波峰的保留指数。
保留指数数据库240可以包括例如化学物质表以及相应的已知保留指数。保留指数搜索引擎234在保留指数数据库240中搜索所确定的保留指数与保留指数数据库240中的化学物质之间的一个或多个匹配。以此方式,候选化学物质鉴别器230可以鉴别每种洗脱成分的一组一种或多种候选化学物质。
在图2所示的候选化学物质鉴别器230的示例中,可以通过使用保留指数来实现对候选化学物质的鉴别。为此,候选化学物质鉴别器230包括保留指数计算器232和保留指数搜索引擎234,并且可访问保留指数数据库240。然而,本领域已知其他鉴别候选化学物质的方法,比如,直接比较保留时间与在相似条件下从同一气相色谱仪100中洗脱的已知化学物质的保留时间。因此,在一些实施例中,候选化学物质鉴别器230可以省略保留指数计算器232和保留指数搜索引擎234,并且因此可以不需要访问保留指数数据库240。
化学物质评估器250从SAW数据分析器220接收经分析SAW频率响应数据,并且从候选化学物质鉴别器230接收兴趣洗脱成分(或洗脱成分的所有或任何子集)的所述一组一种或多种候选化学物质。化学物质评估器250进一步从输入接口210接收拉曼光谱数据。基于这些输入,化学物质评估器250通过将成分的拉曼光谱与所述成分的候选化学物质之一的已知光谱相匹配来确定兴趣洗脱成分的特性。化学物质评估器250包括光谱发生器252、拉曼搜索引擎254和模式选择器256。
光谱发生器252对拉曼光谱数据进行积分,以从所述一种或多种洗脱成分中产生与兴趣洗脱成分相对应的拉曼光谱。例如,使用由SAW数据分析器220找到的波峰和波谷,光谱发生器252可以对拉曼光谱数据从紧接在与兴趣洗脱成分相对应的波峰之前的波谷到紧接在与兴趣洗脱成分相对应的波峰之后的波谷进行积分。例如,如果兴趣波峰在t=5500毫秒处出现在SAW频率响应数据中,并且周围的波谷在t=5000毫秒和t=6000毫秒处,则光谱发生器252可以对拉曼光谱数据的样本从与t=5000毫秒相对应的样本到与t=6000毫秒相对应的样本进行积分。作为具体示例,在SAW频率响应数据和拉曼光谱数据两者都以50Hz的相同采样频率生成的情况下,光谱发生器252可以对来自所有t=5000、t=5020、t=5040、......、t=5980、和t=6000样本的拉曼光谱数据进行积分,以产生与由t=5500处的波峰表示的成分相对应的拉曼光谱。
拉曼数据库260可以包括例如化学物质表以及相应的已知拉曼光谱。拉曼搜索引擎254在拉曼数据库260中从兴趣洗脱成分的所述一组候选化学物质中搜索由光谱发生器252产生的拉曼光谱与拉曼数据库260中的化学物质之间的匹配。以此方式,化学物质评估器250可以比可能由单独的候选化学物质鉴别器230所鉴别的更精确地鉴别兴趣洗脱成分的化学物质。同时,因为候选化学物质鉴别器230将可能性范围缩小到一种或多种候选化学物质,所以化学物质评估器250不需要搜索拉曼数据库260的全部内容,并且不需要产生将兴趣洗脱成分与拉曼数据库260中的每个已知拉曼光谱区分开的拉曼光谱。因此,可以节省时间,并且还可以放宽拉曼光谱仪114的设置和设计参数。
光谱发生器252和拉曼搜索引擎254的上述功能可以表示直接的简单情况,其中,通过波谷到波谷积分产生拉曼光谱,并且在拉曼数据库260中容易地找到匹配。当SAW频率响应数据的波峰为非重叠时是典型的。另外,在比如SAW频率响应数据的波峰部分地重叠或完全重叠等更复杂的情况下,上述功能还可以表示用于确定洗脱成分的化学物质的程序的一部分。
鉴于部分重叠波峰或完全重叠波峰的可能性,模式选择器256在多种化学物质决策模式(包括非重叠决策模式、部分重叠决策模式和完全重叠决策模式)之间、或在这三种模式中的任何两种模式之间进行选择。例如,在SAW数据分析器220评估SAW频率响应数据的相邻波峰是否部分地重叠的情况下,模式选择器256可以基于SAW数据分析器220的评估结果关于相邻波峰在非重叠决策模式与部分重叠决策模式之间进行选择。因此,模式选择器256可以针对被评估为部分地重叠的相邻波峰选择部分重叠决策模式。模式选择器256可以针对其他波峰选择(例如,默认地)非重叠决策模式。如下面更详细描述的,部分重叠决策模式影响化学物质评估器250确定兴趣洗脱成分特性的过程。
作为另一个示例,在拉曼搜索引擎254于拉曼数据库中搜索由光谱发生器252产生的拉曼光谱与拉曼数据库260中的化学物质之间的匹配之后,化学物质评估器250可以评估是否找到匹配。未能找到匹配可能表明SAW频率响应数据中与兴趣洗脱成分相对应的波峰实际上是多于一种的、具有基本相同GC保留时间的洗脱成分的结果。也就是说,看起来是单波峰的实际上可能是两个或更多个完全重叠波峰的叠加。因此,通过评估是否找到匹配,化学物质评估器250可以评估与兴趣洗脱成分相对应的波峰是否是两个或更多个完全重叠波峰的组合。模式选择器256可以基于化学物质评估器250的评估结果、关于与兴趣洗脱成分相对应的波峰、在非重叠决策模式与完全重叠决策模式之间进行选择。因此,模式选择器256可以针对被评估为两个完全重叠波峰的组合的波峰而选择完全重叠决策模式。模式选择器256可以针对其他波峰选择(例如,默认地)非重叠决策模式。如下面更详细描述的,完全重叠决策模式影响化学物质评估器250确定兴趣洗脱成分特性的过程。
未能找到匹配可指示除了完全重叠波峰之外的情境。例如,其可以表明拉曼数据库260不完整或者系统部件(例如,气相色谱仪100、SAW传感器108、拉曼光谱仪114、热电冷却器112等)中的一个或多个未正确地运行或不具有足以鉴别化学成分的能力或设置(例如,采样频率、分辨率、信噪比等)。因此,由化学物质评估器250得到的尚未找到匹配的评估也可以是用于调整图1所示的系统10的各种设置的基础。例如,装置200可以自动地调整系统设置或者可以产生要由某个外部系统或用户来操作的错误报告。
质量估计器270基于SAW频率响应数据的相应波峰而估计兴趣洗脱成分的质量。如以上解释的,SAW数据分析器220可以通过波峰高度和/或波峰面积来表征SAW频率响应数据的所述一个或多个波峰中的每个波峰。同时,校准曲线存储装置208可以存储各种化学物质的校准曲线,每条校准曲线将波峰高度或波峰面积映射到此化学物质的已知关系中的质量或其他定量测量(例如浓度)中。在化学物质评估器250成功鉴别兴趣洗脱成分时,质量估计器270可以将与兴趣洗脱成分相对应的波峰(例如,高度或面积)与存储在校准曲线存储装置280中的校准曲线进行比较,从而产生对兴趣洗脱成分的质量或其他定量测量的估计。
输出接口290输出装置200的各输出中的一个或多个输出以供下游设备或用户使用。例如,所述输出可以被存储、上传到服务器、被打印或以其他方式可用于查看或分析。装置200的各输出例如单独或组合地包括:对样本的如由化学物质评估器250确定的一种或多种化学成分(例如,兴趣洗脱成分)进行的鉴别、对样本的如由质量估计器270估计的一种或多种所鉴别化学成分的质量或其他定量测量、来自SAW数据分析器220的经分析SAW频率响应数据、与失败的匹配尝试相关的错误报告等。这些输出也可以关于用户查询被显示在屏幕上,所述用户查询作为由装置200执行的过程中的中间步骤。
来自输出接口290的输出可以进一步包括由装置200向图1所示的系统的其他系统部件直接下达的控制命令。例如,装置200可以基于由化学物质评估器250得到的关于是否在拉曼数据库260中找到匹配的评估结果而经由输出接口290利用热电冷却器112来调节SAW传感器108的温度。以此方式,在化学物质评估器250已经竭力确定兴趣洗脱成分的化学物质之后(例如,非重叠决策模式和完全重叠决策模式都未能找到针对非部分重叠的波峰的匹配),装置200可以降低SAW传感器108的温度,以在系统的后续运行中实现化学物质的更有效的冷凝(允许更多的拉曼光谱数据样本)。作为另一个示例,在SAW频率响应数据中存在不期望数量的部分重叠波峰的情况下(例如,如由SAW数据分析器220确定的超过阈值的部分重叠波峰数量),装置200可以升高SAW传感器108的温度以实现更短的冷凝时间。
图3是SAW频率响应数据的示例性集合的图形表示。当样本的每种化学成分从GC柱104洗脱时,由于洗脱化学成分在SAW传感器108上的累积,SAW传感器108(或相关联电子器件,未示出)展现出SAW频率响应(在y轴上以Hz示出)。每个波峰的形状(例如高度和面积)部分地由样本中成分的量(例如质量)以及SAW传感器108相对于所述成分的露点的温度而确定,所述温度随着所述成分在SAW传感器108上累积更长或更短的时间段而影响波峰的宽度。
图3中的最高波峰在x轴上以约5500毫秒为中心,指示约5500毫秒的保留时间,所述保留时间可以从某个初始时间来测量,比如,将样本注入气相色谱仪100中的时刻。其他波峰可以与样本中的其他化学成分以及出于确定保留指数的目的与样本一起注入的已知化学物质(例如,正烷烃)相对应。类似于图3所示的示例的SAW频率响应数据可以由SAW传感器108或相关联电子器件以各种形式生成(不一定如所示的作为图形表示),并且之后或者同时由装置200的输入接口210接收以供装置200进行处理。
图4是具有不同积分时间的积分拉曼光谱数据的示例的图形表示(上图),以及已知的拉曼光谱(下图)。图4中的示例是针对3纳克的三硝基甲苯(TNT)样本。y轴是以每秒计数为单位的拉曼散射强度,并且x轴是以cm-1为单位的拉曼位移。积分拉曼光谱数据是针对五个积分时间0.25秒、0.5秒、1秒、2秒和5秒而示出的。如将上图连接到下图的竖直线所示,可以通过匹配光谱中的尖峰来实现积分拉曼光谱数据与已知拉曼光谱的匹配。在装置200中,如图4所示的匹配可以由拉曼搜索引擎254执行为搜索与兴趣洗脱成分相对应的波峰的匹配的一部分。
如可以看到的,在这种情况下,利用只有2秒的积分时间、利用在1秒及以下时下降的信噪比,可以实现匹配。通常,对于气相色谱仪系统,波峰宽度大于2秒,如由GC柱104的长度、气相色谱仪100的温度及载气106的流速所确定的。在图1所示的系统中,由GC/SAW系统生成的SAW频率响应数据的波峰宽度确定给定波峰的拉曼光谱数据的最大积分时间。这是因为当洗脱成分保持在SAW传感器108上冷凝并且直至其蒸发时收集了给定洗脱成分的拉曼光谱数据。因此,长于2秒的波峰宽度通常意味着拉曼匹配应该是可能的,但是这可能忽略部分重叠波峰或完全重叠波峰的可能性。除了使用将在下文中更详细描述的部分重叠决策模式和完全重叠决策模式来定位部分重叠波峰和完全重叠波峰之外,所披露的系统设想通过利用热电冷却器112调节SAW传感器108的温度来进一步控制波峰宽度,如以上解释的,这可以由装置200的输出自动完成或参考装置的输出完成。通过调节SAW传感器108的温度并通过使用关于化学物质评估器250描述的部分重叠决策模式和完全重叠决策模式,可实现充足的匹配积分时间。
类似于图4的上图所示的示例的积分拉曼光谱数据可以是由拉曼光谱仪114或相关联电子器件生成拉曼光谱数据、由装置200的输入接口210接收所述拉曼光谱数据、以及由光谱发生器252对所述拉曼光谱数据进行积分的结果。出于与拉曼数据库260中的已知拉曼光谱进行匹配的目的,通过对拉曼光谱数据进行积分而产生的拉曼光谱可以采用各种形式(不一定是图形表示)。
图5是SAW频率响应数据和拉曼光谱数据的示例。如以上所解释的,由SAW传感器108或相关联电子器件生成的SAW频率响应数据样本可以与由拉曼光谱仪114或相关联电子器件生成的拉曼光谱数据样本一一对应。例如,SAW频率响应数据和拉曼光谱数据可以以相同的采样频率生成,或者如果不是,则可以在事后彼此对准、微调、插值等以便对应于共同的时间维度。因此,如图5所示,如由输入接口210接收(或如由输入接口210对准等)的数据可以采用以下数据样本形式:SAW频率响应数据样本S(S1、S2、......、Sn)以及针对n个样本(例如,20毫秒周期)的多个保留时间值t(t1、t2、......、tn)中的每一个的拉曼光谱数据样本R(R1、R2、......、Rn)。SAW频率响应数据样本S(ti)中的每一个可以例如是表示由于在时间t=ti处SAW传感器108上的洗脱化学成分的累积而引起的振荡频率变化的值。拉曼光谱数据样本R(ti)中的每一个可以例如是在时间t=ti处的拉曼光谱样本(例如,根据以cm-1为单位的拉曼位移的以每秒计数为单位的强度)。通过存储以此方式相关的SAW频率响应数据和拉曼光谱数据,可以在SAW频率响应数据域中定义对拉曼光谱数据的积分,例如,“从波谷到波谷”。
图6示出了根据本发明实施例的关于图1所示的系统10的示例操作流程。首先,SAW传感器108和气相色谱仪100被安排用于形成GC/SAW系统,使得通过气相色谱仪100从样本中分离的洗脱成分累积在SAW传感器108上的冷凝点110处(S610)。然后,拉曼光谱仪114与SAW传感器108上的冷凝点110对准,以便从在冷凝点110处累积的洗脱成分收集拉曼散射光(S620)。当然,步骤S610和620可以颠倒或基本上同时执行。一旦设置了GC/SAW系统加拉曼光谱仪114,就将样本引入气相色谱仪100中(S630)。当化学成分从GC柱104中洗脱时,分别由SAW传感器108和拉曼光谱仪114或相关联电子器件生成SAW频率响应数据和拉曼光谱数据(S640)。在生成SAW频率响应数据和拉曼光谱数据之后,执行定性和/或定量分析(S650)。例如,SAW频率响应数据和拉曼光谱数据可以由装置200接收(例如,通过数据存储介质传送或者本地或远程地通过有线或无线连接传送),并且装置200可以使用化学物质评估器250来确定一种或多种兴趣化学成分的特性和/或使用质量估计器270来估计一种或多种兴趣化学成分的质量或其他定量测量。最后,可以基于装置200的结果来调整和/或由装置200自动地调整SAW传感器108的温度或图1的系统的设置配置的其他(多个)参数(S660)。
图7示出了根据本发明实施例的装置200的示例操作流程。在图7所示的示例中,装置200执行从S710至S750的操作,但是图2所示的装置200不限于使用此操作流程。而且,图7中的操作流程可以由修改的装置或不同于图2所示的装置200的不同装置执行。
首先,装置200接收SAW频率响应数据和相应拉曼光谱数据(S710)。例如,如上所述,装置200的输入接口210可以接收由SAW传感器108和拉曼光谱仪114或相关联电子器件生成的SAW频率响应数据和相应拉曼光谱数据。也就是说,输入接口210可以接收由图1所示的GC/SAW系统的SAW传感器108生成的SAW频率响应数据,所述SAW频率响应数据包括分别与通过气相色谱仪100从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰,并且可以进一步接收由拉曼光谱仪114针对所述一种或多种洗脱成分所生成的拉曼光谱数据。作为接收数据的一部分,输入接口210可以对数据进行对准、微调、插值等,使得所述数据如图5举例所示地相对应。输入接口210可以将来自多个来源(例如,SAW传感器108和拉曼光谱仪114)的数据重新格式化为单一格式以供装置200使用。
在接收到SAW频率响应数据和拉曼光谱数据之后,装置200识别SAW数据的波峰和波谷(S720)。例如,装置200的SAW数据分析器220可以识别SAW频率响应数据的与洗脱成分相对应的所述一个或多个波峰,并且可以进一步通过如上所述的任何已知方法来识别SAW频率响应数据的一个或多个波谷。对于所找到波峰中的每一个或其某个子集,装置200鉴别一组一种或多种候选化学物质(S730)。例如,装置200的候选化学物质鉴别器230可以基于SAW频率响应数据的如由SAW数据分析器220表征的相应波峰而鉴别兴趣洗脱成分的一组一种或多种候选化学物质。
在已经鉴别出兴趣洗脱成分的一组一种或多种候选化学物质的情况下,然后装置200(例如,化学物质评估器250)根据所选化学物质决策模式确定兴趣洗脱成分的化学特性(S740)。最后,装置200可以估计兴趣洗脱成分的质量或其他定量测量(S750)。例如,装置200的质量估计器270可以通过将SAW频率响应数据的相应波峰与存储在校准曲线存储装置280中的校准曲线进行比较来估计质量或其他定量测量。
图8是图7中步骤S730的示例操作流程。对于SAW频率响应数据的给定波峰,装置200可以使用保留指数来鉴别一组一种或多种候选化学物质。例如,候选化学物质鉴别器230的保留指数计算器232可以根据相应波峰来计算洗脱成分的保留指数(S810)。然后,保留指数搜索引擎234可以在保留指数数据库240中搜索所确定的保留指数与保留指数中的化学物质之间的一个或多个匹配(S820)。以此方式,针对波峰的所述一组一种或多种候选化学物质可以由保留指数数据库240中的每种所匹配化学物质组成,例如,具有与所确定的保留指数基本相同的保留指数或具有在所确定的保留指数的预定误差范围内的保留指数的每种已知化学物质。
图9A是图7中步骤S740的示例操作流程。首先,装置200评估SAW频率响应数据的相邻波峰是否部分地重叠(S910)。例如,装置200的SAW数据分析器220可以通过上述方法对SAW频率响应数据的每对相邻波峰或对某个兴趣子集进行评估。对于进行评估的给定的一组相邻波峰,如果相邻波峰被评估为部分地重叠,则SAW数据分析器220可以将相邻波峰表征为部分地重叠(例如,标志、记号、标记、插入元数据等)。如果相邻波峰被评估为非部分地重叠,则SAW数据分析器220可以将相邻波峰表征为非重叠或者适当地保持非重叠的默认表征。
然后,可以将包括由SAW数据分析器220进行的表征的经分析SAW频率响应数据传递给化学物质评估器250,所述化学物质评估器可以根据所选模式来确定与给定波峰相对应的成分的化学特性。例如,对于属于被SAW数据分析器220表征为部分地重叠的一对相邻波峰的每个波峰(S910处的“是”),化学物质评估器250的模式选择器256可以选择部分重叠决策模式,并且化学物质评估器250可以根据部分重叠决策模式来确定化学成分的特性(S920)。同时,对于不属于被SAW数据分析器220表征为部分地重叠的一对相邻波峰的每个波峰,或者对于被SAW数据分析器220表征为非重叠或默认保持非重叠的每个波峰(S910处的“否”),化学物质评估器250的模式选择器256可以选择非重叠决策模式(例如,默认地),并且化学物质评估器250可以根据非重叠决策模式来确定化学成分的特性(S930)。
根据部分重叠决策模式(S920)和非重叠决策模式(S930)的判定可能失败。也就是说,存在化学物质评估器250将不能成功确定化学成分的特性的情况,比如,当如上所述在拉曼数据库260中没有找到针对为波峰产生的拉曼光谱的匹配时。这些失败的某个部分可能是实际上作为完全重叠波峰组合的波峰的结果,这可以通过完全重叠决策模式来解决。因此,在完成步骤S920或步骤S930之后,装置200(例如,化学物质评估器250)可以判定是否已经在拉曼数据库260中找到与每个波峰相对应的匹配,针对所述波峰在步骤S920或S930中尝试确定成分的化学特性(S940)。对于给定波峰,如果成功找到匹配(S940处的“是”),则当已经鉴别出化学物质时,针对此波峰结束图9A的操作流程。另一方面,如果未成功找到匹配(S940处的“否”),则化学物质评估器250的模式选择器256可以选择完全重叠决策模式,并且化学物质评估器250可以根据完全重叠决策模式来确定化学成分的特性(S950)。在尝试通过完全重叠决策模式来确定成分的化学特性之后,图9A的操作流程结束。
图9B是SAW频率响应数据的部分重叠波峰的概念表示。在类似于图1所示的系统10的示例性GC/SAW系统中,在时间上接近地洗脱的化学成分可以在冷凝点110处共存持续其被冷凝的部分时间。例如,在第一成分冷凝之后,然后第二成分可以在第一成分完全蒸发之前冷凝。在这种情况下的实际SAW频率响应数据可以例如表现为图9B所示的两个波峰的并集。换句话说,在数据中没有看到这两个波峰的内部(即第二波峰的前部和第一波峰的尾部),并且这两个波峰的内部仅包括在图9B中以用于概念性理解。如上所述,SAW数据分析器220可以通过评估波峰之间的波谷的高度是否超过波谷高度阈值或者波峰是否比波峰距离阈值更靠近在一起来将比如图9B中的那些波峰等波峰表征为部分地重叠。从图9B中可以理解,在部分重叠波峰的情况下,相邻波峰之间的波谷可以超过波谷高度阈值,因为所述波谷不表示SAW传感器108上不存在冷凝物质。相反,当两种成分累积在SAW传感器108上时出现波谷(在第二成分冷凝时第一成分蒸发),导致显著的SAW频率响应。
在图9B中简化了部分重叠波峰的示例性表示,因为测得的SAW频率响应数据可能在重叠区域中展现出波峰形状的一定失真。第二成分的质量的累积可以使第一成分的表观质量膨胀,并且反之亦然,并且在一些情况下甚至可以使第一波峰和第二波峰移位。用于鉴别针对每个波峰的一组候选化学物质的误差范围,例如,当在保留指数数据库240中查找确定的保留指数时的误差范围,可以帮助避免由这类失真引起的并发情形。
图9C是SAW频率响应数据的完全重叠波峰的概念表示。在类似于图1所示的系统10的示例性GC/SAW系统中,在时间上接近地洗脱的化学成分可以在冷凝点110处共存持续足够长的、其被冷凝的时间段,使得在波峰之间未检测到波谷。在这种情况下,实际SAW频率响应数据可以表现为图9C所示的单波峰,所述单波峰可能无法与单一洗脱成分产生的单波峰进行区分。如上所述,SAW数据分析器220可以通过评估明显单波峰与相邻波峰(未示出)之间的波谷的高度是否超过波谷高度阈值或者明显单波峰是否比波峰距离阈值更靠近相邻波峰而将诸如图9C中的那些波峰等波峰表征为非部分地重叠、或为非重叠。在这种情况下,在图9C的明显单波峰附近不存在波峰,所以SAW数据分析器220可以将明显单波峰表征为非部分地重叠或非重叠(或者默认地将未表征波峰解释为非重叠)。
如上文所指出的,波峰的重叠可能使波峰的形状失真,因为第二成分的质量的累积使第一成分的表观质量膨胀,并且反之亦然。波峰越靠近在一起,这种效应将越有可能消除波峰之间的任何波谷,因为两种化学成分的组合质量导致比这两个波峰中任一波峰的SAW频率响应更大的SAW频率响应。由于在这种情况下不存在波谷,因此结果是如图9C所示的完全重叠波峰,但是明显单波峰可能具有失真的形状。用于鉴别针对每个波峰的一组候选化学物质的误差范围,例如,当在保留指数数据库240中查找确定的保留指数时的误差范围可以被设置为足够宽,使得相邻洗脱成分的化学物质被包括在由候选化学物质鉴别器230返回的针对单个失真波峰的所述一组候选化学物质中。
图9D是图7中步骤S740的另一示例操作流程。在图9D的示例中,步骤S910和S940的顺序颠倒。也就是说,首先评估在拉曼数据库260中是否找到与每个波峰相对应的匹配(S940),并且之后评估SAW频率响应数据的相邻波峰是否重叠(S910)。如上文所指出的,评估相邻波峰是否为部分重叠波峰的原因之一是这些波峰可以如此靠近在一起以至于难以产生化学成分的精确拉曼光谱。因此,如果SAW数据分析器220未寻找到部分重叠波峰,则化学物质评估器250可能将无法找到针对太靠近在一起的那些波峰(即应该被表征为部分重叠波峰的波峰)的拉曼匹配。更具体地,光谱发生器252仍然可以根据非重叠决策模式通过对每个波峰的波谷到波谷进行积分来产生拉曼光谱,但是拉曼搜索引擎254将可能在拉曼数据库260中找不到匹配,因为所产生的拉曼光谱将会由于相邻化学成分而过度失真。另一方面,取决于用于将相邻波峰评估为部分地重叠的(多个)阈值,可能存在可以找到匹配并且不需要部分重叠决策模式(下面更详细地描述)的情况。图9D的操作流程可以跳过SAW数据分析器220对部分重叠波峰的这种初始评估,并且相反,最初假设所有波峰都是非重叠的。
具体地,图9D的操作流程开始于化学物质评估器250根据非重叠决策模式来确定每种兴趣化学成分的特性(S930)。然后,化学物质评估器250可以评估在拉曼数据库260中是否已经找到与每个波峰相对应的匹配,针对所述波峰在步骤S930中尝试确定成分的化学特性(S940)。对于给定波峰,如果成功找到匹配(S940处的“是”),则当已经鉴别出化学物质时,针对此波峰结束图9D的操作流程。另一方面,如果未成功找到匹配(S940处的“否”),则装置200(例如,SAW数据分析器220)可以评估未匹配波峰是否属于SAW频率响应数据中的部分地重叠的一对相邻波峰(S910)。对于属于被SAW数据分析器220表征为部分地重叠的一对相邻波峰的每个波峰(S910处的“是”),化学物质评估器250的模式选择器356可以选择部分重叠决策模式,并且化学物质评估器250可以根据部分重叠决策模式来确定化学成分的特性(S920)。同时,对于不属于被SAW数据分析器220表征为部分地重叠的一对相邻波峰的每个波峰(S910处的“否”),化学物质评估器250的模式选择器256可以选择完全重叠决策模式,并且化学物质评估器250可以根据完全重叠决策模式来确定化学成分的特性(S950)。在尝试通过部分重叠决策模式或完全重叠决策模式来确定成分的化学特性之后,图9D的操作流程结束。
除了图9A和图9D之外,可以存在其他操作流程,通过这些操作流程,可以在图7的步骤S740中选择和实施化学物质决策模式。例如,考虑到在一对部分重叠波峰内完全重叠波峰的可能性,可以修改操作流程以如情况可能要求的那样或根据精度与效率之间的折中来回调并重复或组合多种化学物质决策模式。而且,步骤S740的操作流程可以进一步包括是否找到针对给定波峰的匹配的最终评估。例如,此信息可以被例如输出接口290用作装置200的输出的一部分。例如,匹配成功和失败可以包含有用信息,所述有用信息用于进行错误报告或者如上所述地调整系统部件的设置参数(包括使用热电冷却器112来调节SAW传感器108的温度)的目的。
图10是图9A和图9D中步骤S930的示例操作流程。也就是说,图10是例如在由模式选择器256针对给定波峰选择非重叠决策模式时根据非重叠决策模式来确定兴趣洗脱成分的化学特性的示例。首先,光谱发生器252可以对拉曼光谱数据从波谷到波谷进行积分,即,从紧接在与兴趣洗脱成分相对应的波峰之前的波谷到紧接在与兴趣洗脱成分相对应的波峰之后的波谷进行积分(S1010)。然后,拉曼搜索引擎254在拉曼数据库260中从兴趣洗脱成分的一组候选化学物质中搜索由光谱发生器252产生的拉曼光谱与拉曼数据库260中的化学物质之间的匹配(S1020)。
图11A是图9A和图9D中步骤S920的示例操作流程。也就是说,图11是例如在由模式选择器256针对给定的一对相邻波峰选择部分重叠决策模式时根据部分重叠决策模式来确定兴趣洗脱成分的化学特性的示例。首先,光谱发生器252对拉曼光谱数据进行积分以产生前部或尾部拉曼光谱(S1110)。具体地,光谱发生器252可以对拉曼光谱数据从紧接在相邻波峰中的第一波峰之前的波谷到所述相邻波峰之间的波谷之前的某一点进行积分,从而产生所述相邻波峰中的第一波峰的前部拉曼光谱。可替代地,光谱发生器252可以对拉曼光谱数据从相邻波峰之间的波谷之后的某一点到紧接在所述相邻波峰中的第二波峰之后的波谷进行积分,从而产生所述相邻波峰中的第二波峰的尾部拉曼光谱。参考图9B,相邻波峰之间的波谷之前的点可以是所述波峰之间的波谷左侧(但仍然在第一波峰内)的任何点。同样地,相邻波峰之间的波谷之后的点可以是所述波峰之间的波谷右侧(但仍然在第二波峰内)的任何点。因此,与对第一波峰的积分将是从波谷到波谷(即一直到波峰之间的波谷)的非重叠决策模式不同,部分重叠决策模式涉及光谱发生器252仅对第一波峰的前部进行积分以产生前部拉曼光谱。同样地,与对第二波峰的积分将是从波谷到波谷(即开始于波峰之间的波谷)的非重叠决策模式不同,部分重叠决策模式涉及光谱发生器252仅对第二波峰的尾部进行积分以产生尾部拉曼光谱。
可以基于例如预定的前部/尾部长度、与波峰之间的波谷的预定距离、预定的波峰分数或百分比等来选择相邻波峰之间的波谷之前的点和/或相邻波峰之间的谷之后的点。选择标准可以取决于如由SAW数据分析器220在评估波峰是否部分地重叠时所确定的波峰之间的距离或波峰之间的波谷的高度。例如,对于越重叠的波峰,可能需要使用越小的前部或尾部。点的选择可以取决于许多其他因素,比如、信噪比、产生拉曼光谱所需的积分时间、冷凝时间或SAW传感器108的温度等。可以设想,波谷之前的点和波谷之后的点、和/或选择标准可以由用户调整和/或由装置200基于相关因素的任何组合而自动地调整,目的是产生前部或尾部拉曼光谱,通过所述前部或尾部拉曼光谱可以找到匹配。迭代方式(例如,自动迭代)也是可能的,其中,产生越来越大或越来越小的前部/尾部拉曼光谱,直到找到拉曼匹配。
在已经于步骤S1110中产生第一波峰的前部拉曼光谱或第二波峰的尾部拉曼光谱的情况下,然后光谱发生器252(在步骤S1110之前、之后或同时)对其他波峰的拉曼光谱数据从波谷到波谷进行积分,从而产生其他波峰的失真拉曼光谱(S1120)。例如,在步骤S1110中产生第一波峰的前部拉曼光谱的情况下,光谱发生器252可以对拉曼光谱数据从相邻波峰之间的波谷到紧接在所述相邻波峰中的第二波峰之后的波谷进行积分,从而产生所述相邻波峰中的第二波峰的失真拉曼光谱。或者,在步骤S1110中产生第二波峰的尾部拉曼光谱的情况下,光谱发生器可以对拉曼光谱数据从紧接在相邻波峰中的第一波峰之前的波谷到所述相邻波峰之间的波谷进行积分,从而产生所述相邻波峰中的第一波峰的失真拉曼光谱。这样的拉曼光谱被称为“失真”,因为由于波峰的部分重叠性质,它们可能受到来自附近波峰的显著影响,使得失真拉曼光谱的直接拉曼匹配变得困难。
因此,在步骤S1120结束时,光谱发生器252已经产生第一波峰的前部拉曼光谱和第二波峰的失真拉曼光谱,或者第二波峰的尾部拉曼光谱和第一波峰的失真拉曼光谱。接下来,光谱发生器252可以从失真拉曼光谱中减去前部或尾部拉曼光谱,从而产生经校正拉曼光谱(S1130)。例如,在光谱发生器252已经产生第一波峰的前部拉曼光谱和第二波峰的失真拉曼光谱的情况下,光谱发生器252可以从第二波峰的失真拉曼光谱中减去所产生的第一波峰的前部拉曼光谱,从而产生第二波峰的经校正拉曼光谱。例如,在光谱发生器252已经产生第二波峰的尾部拉曼光谱和第一波峰的失真拉曼光谱的情况下,光谱发生器252可以从第一波峰的失真拉曼光谱中减去所产生的第二波峰的尾部拉曼光谱,从而产生第一波峰的经校正拉曼光谱。
最后,在已经由候选化学物质鉴别器230鉴别出洗脱成分的与第一波峰和第二波峰相对应的候选化学物质组的情况下,拉曼搜索引擎254使用前部/尾部和/或经校正拉曼光谱在拉曼数据库260中搜索(多种)候选化学物质之间的匹配(S1140)。例如,在光谱发生器252已经产生第一波峰的前部拉曼光谱和第二波峰的经校正拉曼光谱的情况下,拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第一波峰相对应的所述一组候选化学物质中搜索所产生的前部拉曼光谱与拉曼数据库260中的化学物质之间的匹配。可替换地或者另外(取决于对哪个波峰或哪些波峰感兴趣),拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第二波峰相对应的所述一组候选化学物质中搜索相邻波峰中的第二波峰的经校正拉曼光谱与拉曼数据库260中的化学物质之间的匹配。另一方面,在光谱发生器252已经产生第二波峰的尾部拉曼光谱和第一波峰的经校正拉曼光谱的情况下,拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第二波峰相对应的所述一组候选化学物质中搜索所产生的尾部拉曼光谱与拉曼数据库260中的化学物质之间的匹配。可替换地或者另外(取决于对哪个波峰或哪些波峰感兴趣),拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第一波峰相对应的所述一组候选化学物质中搜索相邻波峰中的第一波峰的经校正拉曼光谱与拉曼数据库260中的化学物质之间的匹配。以此方式,可以有效地分离部分重叠波峰,并且可以鉴别与一个或两个波峰相对应的化学成分。
图11B是图9A和图9D中步骤S920的另一示例操作流程。在图11B的示例中,光谱发生器252不产生经校正光谱,而是产生第一波峰的前部光谱和第二波峰的尾部光谱两者。首先,光谱发生器252对拉曼光谱数据进行积分以产生第一波峰的前部拉曼光谱(S1110A)。具体地,光谱发生器252可以对拉曼光谱数据从紧接在相邻波峰中的第一波峰之前的波谷到所述相邻波峰之间的波谷之前的某一点进行积分,从而产生所述相邻波峰中的第一波峰的前部拉曼光谱。然后(在步骤S1110A之前,之后或同时),光谱发生器252对拉曼光谱数据进行积分以产生第二波峰的尾部拉曼光谱(S1110B)。具体地,光谱发生器252可以对拉曼光谱数据从相邻波峰之间的波谷之后的某一点到紧接在所述相邻波峰中的第二波峰之后的波谷进行积分,从而产生所述相邻波峰中的第二波峰的尾部拉曼光谱。最后,在已经由候选化学物质鉴别器230鉴别出洗脱成分的与第一波峰和第二波峰相对应的候选化学物质组的情况下,拉曼搜索引擎254使用前部/尾部拉曼光谱在拉曼数据库260中搜索(多种)候选化学物质之间的匹配(S1140)。例如,拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第一波峰相对应的所述一组候选化学物质中搜索所产生的前部拉曼光谱与拉曼数据库260中的化学物质之间的匹配。可替换地或者另外(取决于对哪个波峰或哪些波峰感兴趣),拉曼搜索引擎254可以在拉曼数据库260中从洗脱成分的与相邻波峰中的第二波峰相对应的所述一组候选化学物质中搜索所产生的尾部拉曼光谱与拉曼数据库260中的化学物质之间的匹配。以此方式,同样可以有效地分离部分重叠波峰,并且可以鉴别与一个或两个波峰相对应的化学成分。
图12是图9A和图9D中步骤S950的示例操作流程。也就是说,图12是例如在由模式选择器256针对给定波峰选择完全重叠决策模式时根据完全重叠决策模式确定兴趣洗脱成分的化学特性的示例。如以上所讨论的,例如当使用另一种决策模式未找到拉曼匹配时,可以选择完全重叠决策模式。在非重叠决策模式和部分重叠决策模式中,由拉曼搜索引擎254进行拉曼搜索以找到针对已经产生的给定拉曼光谱的化学物质。在完全重叠决策模式中,拉曼搜索“反向”进行,即,以便找到已经由候选化学物质鉴别器230鉴别为候选化学物质的给定化学物质的拉曼光谱。
首先,在已经由候选化学物质鉴别器230鉴别出明显单波峰(实际上多于一个完全重叠波峰)的一组候选化学物质的情况下,拉曼搜索引擎254在拉曼数据库260中搜索所述一种或多种候选化学物质的已知拉曼光谱(S1210)。应当注意,出于完全重叠模式的目的,可以假设由候选化学物质鉴别器230返回的所述一种或多种候选化学物质可以包括至少两种候选化学物质。如果仅存在一种候选化学物质,则可以假设明显单波峰不是完全重叠波峰的组合并且绕过完全重叠模式。由于针对波峰的候选化学物质是针对所述波峰的保留时间而鉴别出的那些化学物质(例如具有与根据所述波峰确定的相同或相似的保留指数的化学物质),因此所述一组返回的已知拉曼光谱被理解为包括被组合以产生所述波峰的实际洗脱成分的拉曼光谱。换句话说,如果可分离的话,完全重叠波峰可以被理解为根据所述一组返回的已知拉曼光谱而产生拉曼光谱。因此,目的是找到返回的已知拉曼光谱的的子集,所述子集表示被组合以产生波峰的实际洗脱成分。
为了实现上述目的,光谱发生器252将针对波峰所产生的拉曼光谱分解成由拉曼搜索引擎254返回的已知拉曼光谱的组合(S1220)。如前所述(参见例如图9A),光谱发生器252被理解为根据先前所选模式产生了针对波峰的拉曼光谱。这可以是例如根据非重叠模式产生的波谷到波谷拉曼光谱,根据部分重叠模式产生的经校正拉曼光谱,或者根据部分重叠模式产生的前部/尾部拉曼光谱。在任何情况下,都没有找到与所产生的拉曼光谱的匹配,从而导致选择完全重叠模式。可替代地,完全重叠模式本身可以包括产生明显单波峰的波谷到波谷拉曼光谱的光谱发生器252。所产生的拉曼光谱,无论何时且无论如何产生,都可以通过任何已知方法被分解成已知拉曼光谱的组合,比如,通过自建模混合物分析方法、自建模曲线分辨方法,从所产生的拉曼光谱中减去已知拉曼光谱的系统性反复试验例程、或计算方法。通过将所产生的拉曼光谱分解成与候选化学物质相对应的已知拉曼光谱,化学物质评估器250可以推断出洗脱成分的化学特性,所述洗脱成分被组合以产生针对此保留时间所产生的拉曼光谱。另一方面,如果不可能将所产生的拉曼光谱分解成已知拉曼光谱,则完全重叠模式失败。如上所述,系统可能存在一些其他问题。
图13是图12中步骤S1220的示例操作流程。首先,光谱发生器252从由光谱发生器252针对波峰所产生的拉曼光谱(例如,通过在非重叠模式下进行波谷到波谷的积分而产生的拉曼光谱)中减去在图12的步骤S1210中找到的已知拉曼光谱中的一个或多个(S1320)。然后,光谱发生器252验证通过所述减法产生的拉曼光谱本身是在图12的步骤S1210中找到的已知拉曼光谱之一(S1320)。如果得到的拉曼光谱是已知拉曼光谱之一(S1320处的“是”),则所述分解被理解为已经成功,并且可以得出结论:由光谱发生器252产生的拉曼光谱(针对其不存在匹配)是在步骤S1310中从所产生的拉曼光谱中减去的已知光谱与在步骤S1320中被验证的所得拉曼光谱的组合。可以通过将从所述减法产生的拉曼光谱与剩余的已知拉曼光谱中的每一个进行匹配来执行验证。可以例如以与匹配拉曼数据库260中的光谱相同的方式来实现匹配,例如,使得通过所述减法产生的拉曼光谱与已知拉曼光谱之间的差异在预定范围内。
另一方面,如果验证失败(步骤S1320处的“否”),则光谱发生器252使用不同的一个或多个已知拉曼光谱来在步骤S1310的下一次迭代中重复所述过程。也就是说,光谱发生器252递增将被减去的所述一个或多个已知拉曼光谱(S1330)。例如,如果已知拉曼光谱由已知拉曼光谱R已知_1、R已知_2、R已知_3、R已知_4和R已知_5组成,则步骤S1310的第一次迭代可以是从所产生的拉曼光谱中减去R已知_1。在步骤S1320处验证失败之后,然后,光谱发生器252可以在步骤S1330处增加到R已知_2,并且在步骤S1310的下一次迭代处从所产生的拉曼光谱中减去R已知_2。假设以此方式,对R已知_1、R已知_2、R已知_3、R已知_4和R已知_5的验证失败,则光谱发生器252可以在步骤S1330处增加到R已知_1与R已知_2的组合。也就是说,在步骤S1310的第六次迭代中,光谱发生器252可以从所产生的拉曼光谱中减去R已知_1和R已知_2。递增模式可以继续减去R已知_1和R已知_3,减去R已知_1和R已知_4,减去R已知_1和R已知_5,减去R已知_2和R已知_3,减去R已知_2和R已知_4,减去R已知_2和R已知_5等,最终包括三个或更多个已知拉曼光谱的组合。在任何时候,如果在步骤S1320处验证成功,则循环结束,因为找到了已知拉曼光谱的经验证组合。例如,如果在步骤S1310处减去R已知_2与R已知_4的组合产生了R已知_5作为步骤S1320处的所得拉曼光谱,则应理解为意味着所得拉曼光谱是已知拉曼光谱之一(S1320处的“是”)。因此,光谱发生器可以得出结论:所产生的拉曼光谱(针对其不存在匹配)是R已知_2、R已知_4与R已知_5的组合,所有这些都是针对来自候选化学物质鉴别器230所鉴别的所述一组候选化学物质的化学物质的已知拉曼光谱。
以此方式,光谱发生器252可以将针对兴趣波峰所产生的拉曼光谱分解成与所述波峰的候选化学物质相对应的一组已知拉曼光谱。因此,可以由化学物质评估器250来鉴别与波峰相对应的洗脱成分的组合的化学特性。图13的操作流程表示用于对所产生的拉曼光谱进行分解的许多可能例程之一,并且为了便于解释而进行简化。实际上,图13的简单减法例程可以是加权分解,其中,所减去的已知拉曼光谱中的每一个也由某个乘数进行加权,并且可以通过已知的计算方法进行求解。也就是说,将所产生的拉曼光谱分解成R已知_1、R已知_2、R已知_3、R已知_4和R已知_5的组合的任务可以被实施为找到表达式W1R已知_1+W2R已知_2+W3R已知_3+W4R已知_4+W5R已知_5=R产生的权重系数w1、w2、w3、w4和w5的数学过程,其中,R产生是由光谱发生器252最初产生的在拉曼数据库260中不具有匹配的光谱。
应当注意,在完全重叠波峰的情况下,可能无法直接根据如上所述的SAW频率响应数据来估计质量或其他定量测量(例如,将波峰与校准曲线进行比较)。然而,通过考虑从在图12的步骤S1220中光谱发生器252进行的分解中所产生的所述一组已知拉曼光谱,仍然可以实现定量分析。特别地,组成最初所产生的拉曼光谱的已知拉曼光谱的重量比可以用于更准确地估计质量或其他定量测量。例如,如果明显单波峰(完全重叠波峰的组合)是具有如以上示例中的已知拉曼光谱R已知_2、R已知_4和R已知_5的洗脱化学成分的组合的结果,其中,w1=0、w2=1、w3=0、w4=1.2、w5=2.9,则可以在咨询校准曲线存储装置280之前由质量确定部分270将权重w2=1、w4=1.2和w5=2.9的比率施加于SAW频率响应数据的原始波峰。以此方式,可以使用按比例归因于每种化学成分的所估计波峰面积或波峰高度来确定质量或其他定量测量。在一些情况下,可以使用类似的技术来改进对部分重叠波峰的定量分析。
在上面关于装置200描述的示例中,通过GC/SAW保留指数匹配来鉴别一组候选化学物质以缩小拉曼搜索,其中,拉曼搜索是在所述一组候选化学物质内进行的。然而,本披露不限于此过程,并且其他过程可以与图1所示的系统10以及装置200一起使用。例如,拉曼搜索可以替代地用于缩小GC/SAW保留指数匹配。可以利用适当大的误差阈值来执行用作“粗略”鉴别器的定性方法以允许多个候选匹配,而可以利用较小的误差阈值来执行用作“精细”鉴别器的定性方法以找到单个结果。或者,并非使用一种定性分析方法来缩小另一种,而是可以通过GC/SAW保留指数匹配和拉曼光谱匹配来进行两次竞争定性分析,其中,每种成分的化学特性是由统计方法确定的。
通过使用本文所描述的系统、方法和装置,可以鉴别痕量的化学物质,例如,复杂样本基质中具有有限的分离能力的纳克化学物质,因为鉴别基于来自整个分子结构的信息而不是像气相色谱/质谱分析法(GC/MS)系统的情况下那样的片段信息。对于常规的GC系统(包括GC/MS),准确鉴别需要非常好的分离,以避免波峰的重叠。MS的附加鉴别基于由靶分子产生的片段的重组,并且来自不同化学物质的附加片段可以引入来自多种化学物质而不是来自信号化合物的信息。因为本文所描述的系统、方法和装置即使在化学物质重叠时也可以准确地鉴别它们,所以可以放宽GC/SAW系统的要求,同时相应地减小了仪器的大小和操作成本。
图14A和图14B示出了计算机1400的示例,其中,图2的装置200、图6至图13的操作流程、和/或所要求保护的本发明的其他实施例可以全部地或部分地体现。如图14A所示,根据本实施例的计算机1400通常包括系统单元1410和显示设备1420。显示设备1420根据由系统单元1410执行的数据处理操作来产生图形输出。包括键盘1430和鼠标1440的输入设备例如可以由用户操纵以生成至数据处理操作的相应输入,并且经由端口1450连接到系统单元1410。各种其他输入和输出设备可以连接到系统单元1410,并且在本领域中已知不同的互连模态。
如图14B的框图所示,系统单元1410包括处理器(CPU)1411,所述处理器可以是任何常规类型。系统存储器(RAM)1412临时存储由CPU 1411执行的数据处理操作的结果,并且通常经由专用存储器通道1413与其互连。系统单元1410还可以包括比如硬盘驱动器1414等永久存储设备,所述永久存储设备也通过输入/输出(I/O)总线1415与CPU 1411进行通信。专用图形模块1416还可以经由视频总线1417连接到CPU 1411,并且将表示显示数据的信号传输到显示设备1420。如上面指出的,键盘1430和鼠标1440通过端口1450连接到系统单元1410。在端口1450是通用串行总线(USB)类型的实施例中,可以存在经由端口1450连接的或比如经由蓝牙连接而无线连接的USB控制器1418,其为外部外围设备对去往和来自CPU 1411的数据和指令进行转换。比如打印机、麦克风、扬声器等附加设备可以由此连接到系统单元1410。
系统单元1410可以利用具有图形用户界面(GUI)的任何操作系统,比如,来自华盛顿州雷蒙德市的微软公司的WINDOWS、来自加利福尼亚州库比蒂诺市的苹果公司的MAC OS、具有X-Windows窗口系统的各种版本的UNIX等等。系统单元1410执行一个或多个计算机程序,其结果显示在显示设备1420上。通常,操作系统和计算机程序有形地体现在计算机可读介质中,例如,硬盘驱动器1414。操作系统和计算机程序两者都可以从上述数据存储设备加载到RAM 1412中以供CPU 1411执行。计算机程序可以包括指令,所述指令当由CPU 1411读取并执行时,使得所述CPU完成或执行本披露中阐述的各实施例的步骤或特征。
例如,安装在计算机1400中的程序可以使计算机1400用作比如图2的装置200等装置。这种程序可以作用于CPU 1411,使得计算机1400起到图2的装置200的一些部分或所有部分、部件、元件、数据库、引擎、接口等(例如,候选化学物质鉴别器230、化学物质评估器250等)的作用。安装在计算机1400中的程序还可以使计算机1400执行诸如图6至图13所展示的那些的操作流程。这种程序可以作用于CPU 1411,使得计算机1400执行图7的一些或所有步骤(例如,鉴别(多种)候选化学物质S730、根据化学物质决策模式确定化学物质S740等)。
上述程序可以通过比如DVD-ROM等外部存储介质、比如蓝光光盘或CD等光学记录介质,比如MO等磁光记录介质、磁带介质、比如IC卡等半导体存储器,比如穿孔卡等机械编码介质等提供给硬盘驱动器1414或者以其他方式驻留在这些介质上。另外,程序存储介质可以包括在连接到比如专用网络或互联网等通信网络的服务器系统中的硬盘或RAM,使得可以经由网络将程序提供给计算机1400。在一些实施例中,程序存储介质可以是非暂态的,因此排除瞬时信号本身,比如,无线电波或其他电磁波。
除了可由处理器执行的代码之外,存储在程序存储介质上的指令还可以包括用于由比如现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)等可编程电路系统执行的状态信息。
尽管关于具有包括键盘1430和鼠标1440的输入和输出能力的计算机1400描述了本披露的某些特征,但是其特性仅以举例方式而非限制方式来呈现。可以替换任何替代性图形用户界面,比如,触摸界面和笔/数字转换器界面。将容易理解这些特征的类似物、以及用于适应这些替代接口同时仍实现相同功能的适当修改。
按照这种方式,前述计算机1400仅表示许多其他适合于实施本披露的各方面的一种示例性装置,并且仅描述了其最基本的部件。应当理解,计算机1400可以包括未在此描述的附加部件,并且可以具有不同的配置和架构。任何这样的替代物都被认为是在本披露的范围内。
以上说明是以举例方式而非限制方式给出的。通过上述披露,本领域技术人员可以设计处于本文所披露的创新的范围和精神内的变体。此外,本文所披露的实施例的各个特征可以单独地、或以不同的彼此组合来使用,而并不旨在限制于本文所描述的特定组合。因此,权利要求的范围不受所展示实施例的限制。
Claims (20)
1.一种用于对样本中的化学物质进行鉴别的方法,所述方法包括:
接收由气相色谱法/表面声波系统的表面声波传感器生成的表面声波频率响应数据,所述表面声波频率响应数据包括分别与通过所述气相色谱法/表面声波系统的气相色谱仪从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰;
接收由拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;
基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分中产生与兴趣洗脱成分相对应的拉曼光谱;
基于所述表面声波频率响应数据的所述相应波峰而鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及
在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
2.如权利要求1所述的方法,进一步包括:
根据所述表面声波频率响应数据的所述相应波峰来计算所述兴趣洗脱成分的保留指数,其中,所述鉴别所述兴趣洗脱成分的所述一组一种或多种候选化学物质包括在保留指数数据库中搜索所计算的保留指数与在所述保留指数数据库中的化学物质之间的一个或多个匹配。
3.如权利要求1所述的方法,进一步包括:
基于所述表面声波频率响应数据的所述相应波峰而估计所述兴趣洗脱成分的质量。
4.如权利要求3所述的方法,其中,所述估计所述质量包括将对应于所述兴趣洗脱成分的所述波峰与校准曲线进行比较。
5.如权利要求1所述的方法,进一步包括:
识别所述表面声波频率响应数据的所述一个或多个波峰;以及
识别所述表面声波频率响应数据的一个或多个波谷,其中
所述产生是基于对所述拉曼光谱数据从紧接在与所述兴趣洗脱成分相对应的所述波峰之前的波谷到紧接在与所述兴趣洗脱成分相对应的所述波峰之后的波谷进行的积分。
6.如权利要求5所述的方法,进一步包括:
基于对所述一个或多个波峰中的相邻波峰的评估部分地重叠而启动部分重叠决策模式。
7.如权利要求6所述的方法,其中,所述启动所述部分重叠决策模式进一步基于:i)对所述相邻波峰之间的波谷的高度评估超过波谷高度阈值,或者ii)对所述相邻波峰的评估比波峰距离阈值更靠近在一起。
8.如权利要求6所述的方法,进一步包括:
基于对所述拉曼光谱数据从紧接在所述相邻波峰中的第一波峰之前的波谷到在所述相邻波峰之间的波谷之前的某一点进行的积分而产生所述相邻波峰中的所述第一波峰的前部拉曼光谱;
基于对所述拉曼光谱数据从所述相邻波峰之间的所述波谷到紧接在所述相邻波峰中的第二波峰之后的波谷进行的积分而产生所述相邻波峰中的所述第二波峰的失真拉曼光谱;
从所述相邻波峰中的所述第二波峰的所述失真拉曼光谱中减去所产生的前部拉曼光谱,从而产生所述相邻波峰中的所述第二波峰的经校正拉曼光谱;
基于所述相邻波峰中的所述第一波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的一组一种或多种候选化学物质;
基于所述相邻波峰中的所述第二波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的一组一种或多种候选化学物质;
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的所述一组候选化学物质中搜索所产生的前部拉曼光谱与所述拉曼数据库中的化学物质之间的匹配;以及
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的所述一组候选化学物质中搜索所述相邻波峰中的所述第二波峰的所述经校正拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
9.如权利要求6所述的方法,进一步包括:
基于对所述拉曼光谱数据从紧接在所述相邻波峰中的第一波峰之前的波谷到所述相邻波峰之间的波谷进行的积分而产生所述相邻波峰中的所述第一波峰的失真拉曼光谱;
基于对所述拉曼光谱数据从所述相邻波峰之间的所述波谷之后的某一点到紧接在所述相邻波峰中的第二波峰之后的波谷进行的积分而产生所述相邻波峰中的所述第二波峰的尾部拉曼光谱;
从所述相邻波峰中的所述第一波峰的所述失真拉曼光谱中减去所产生的尾部拉曼光谱,从而产生所述相邻波峰中的所述第一波峰的经校正拉曼光谱;
基于所述相邻波峰中的所述第一波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的一组一种或多种候选化学物质;
基于所述相邻波峰中的所述第二波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的一组一种或多种候选化学物质;
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的所述一组候选化学物质中搜索所述相邻波峰中的所述第一波峰的所述经校正拉曼光谱与所述拉曼数据库中的化学物质之间的匹配;以及
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的所述一组候选化学物质中搜索所产生的尾部拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
10.如权利要求6所述的方法,进一步包括:
基于对所述拉曼光谱数据从紧接在所述相邻波峰中的第一波峰之前的波谷到在所述相邻波峰之间的波谷之前的某一点进行的积分而产生所述相邻波峰中的所述第一波峰的前部拉曼光谱;
基于对所述拉曼光谱数据从所述相邻波峰之间的所述波谷之后的某一点到紧接在所述相邻波峰中的第二波峰之后的波谷进行的积分而产生所述相邻波峰中的所述第二波峰的尾部拉曼光谱;
基于所述相邻波峰中的所述第一波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的一组一种或多种候选化学物质;
基于所述相邻波峰中的所述第二波峰而鉴别所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的一组一种或多种候选化学物质;
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第一波峰相对应的所述一组候选化学物质中搜索所产生的前部拉曼光谱与所述拉曼数据库中的化学物质之间的匹配;以及
在所述拉曼数据库中从所述洗脱成分的与所述相邻波峰中的所述第二波峰相对应的所述一组候选化学物质中搜索所产生的尾部拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
11.如权利要求5所述的方法,进一步包括:
基于对与所述兴趣洗脱成分相对应的所述波峰的评估是两个或更多个完全重叠波峰的组合而启动非重叠决策模式。
12.如权利要求11所述的方法,其中,所述启动所述非重叠决策模式进一步基于对以下匹配的评估:通过所述搜索未找到与对应于所述兴趣洗脱成分的所述波峰的匹配。
13.如权利要求11所述的方法,进一步包括:
在所述拉曼数据库中搜索所述兴趣洗脱成分的所述一种或多种候选化学物质的已知拉曼光谱;以及
将所产生的拉曼光谱分解成所述已知拉曼光谱的组合。
14.如权利要求13所述的方法,其中,所述分解包括从所产生的拉曼光谱中减去所述已知拉曼光谱中的一个或多个,并且验证所得拉曼光谱是所述已知拉曼光谱之一。
15.如权利要求1所述的方法,进一步包括:
利用所述气相色谱仪从所述样本中分离出所述一种或多种洗脱成分;
利用所述表面声波传感器来生成所述表面声波频率响应数据;以及
利用所述拉曼光谱仪来生成所述拉曼光谱数据。
16.如权利要求16所述的方法,进一步包括
将所述拉曼光谱仪与所述表面声波传感器上的冷凝点对准,其中,所述一种或多种洗脱成分在通过所述气相色谱仪与所述样本分离后之后累积,其中
所述生成所述拉曼光谱数据包括从在所述冷凝点处累积的一种或多种洗脱成分中收集拉曼散射光。
17.如权利要求16所述的方法,进一步包括:
基于通过所述搜索是否找到关于对应于所述兴趣洗脱成分的所述波峰的匹配的评估结果,利用热电冷却器来调节所述表面声波传感器的温度。
18.一种用于对样本中的化学物质进行鉴别的系统,所述系统包括:
气相色谱仪;
与所述气相色谱仪耦合的表面声波传感器,用于定义气相色谱法/表面声波系统,其中,通过所述气相色谱仪从样本中分离出的一种或多种洗脱成分累积在所述表面声波传感器上的冷凝点处;以及
与所述冷凝点对准的拉曼光谱仪,来自在所述冷凝点处累积的一种或多种洗脱成分的拉曼散射光可由所述拉曼光谱仪收集。
19.如权利要求18所述的系统,进一步包括:
通信地耦合至所述表面声波传感器和所述拉曼光谱仪的输入接口,所述输入接口可接收由所述表面声波传感器生成的表面声波频率响应数据,并且所述表面声波频率响应数据包括分别与通过所述气相色谱仪从所述样本中分离的所述一种或多种洗脱成分相对应的一个或多个波峰,所述输入接口进一步可接收由所述拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;
通信地耦合至所述输入接口的光谱发生器,由所述光谱发生器基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分中产生与兴趣洗脱成分相对应的拉曼光谱;
通信地耦合至所述输入接口的候选化学物质鉴别器,由所述候选化学物质鉴别器基于所述表面声波频率响应数据的所述相应波峰来鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及
通信地耦合至所述候选化学物质鉴别器和所述光谱发生器的拉曼搜索引擎,由所述拉曼搜索引擎在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
20.一种非暂态程序存储介质,其上存储有可由处理器或可编程电路执行的指令,以执行用于鉴别样本中的化学物质的操作,所述操作包括:
接收由气相色谱法/表面声波系统的表面声波传感器生成的表面声波频率响应数据,所述表面声波频率响应数据包括分别与通过所述气相色谱法/表面声波系统的气相色谱仪从样本中分离的一种或多种洗脱成分相对应的一个或多个波峰;
接收由拉曼光谱仪针对所述一种或多种洗脱成分所生成的拉曼光谱数据;
基于对所述拉曼光谱数据的积分而从所述一种或多种洗脱成分中产生与兴趣洗脱成分相对应的拉曼光谱;
基于所述表面声波频率响应数据的所述相应波峰而鉴别所述兴趣洗脱成分的一组一种或多种候选化学物质;以及
在拉曼数据库中从所述兴趣洗脱成分的所述一组候选化学物质中搜索所产生的拉曼光谱与所述拉曼数据库中的化学物质之间的匹配。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662339344P | 2016-05-20 | 2016-05-20 | |
US62/339,344 | 2016-05-20 | ||
US201715597605A | 2017-05-17 | 2017-05-17 | |
US15/597,605 | 2017-05-17 | ||
PCT/US2017/033270 WO2017201250A1 (en) | 2016-05-20 | 2017-05-18 | Identification of chemicals in a sample using gc/saw and raman spectroscopy |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109477776A true CN109477776A (zh) | 2019-03-15 |
CN109477776B CN109477776B (zh) | 2022-01-18 |
Family
ID=60325611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780044531.2A Active CN109477776B (zh) | 2016-05-20 | 2017-05-18 | 使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3458828A4 (zh) |
JP (1) | JP2019522216A (zh) |
CN (1) | CN109477776B (zh) |
WO (1) | WO2017201250A1 (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002094431A2 (de) * | 2001-05-23 | 2002-11-28 | Nanoscape Ag | Integriertes miniaturisiertes chemisches labor |
CN101968468A (zh) * | 2010-09-14 | 2011-02-09 | 北京市劳动保护科学研究所 | 醛酮类物质的气相色谱-声表面波快速分析测定方法 |
CN103534577A (zh) * | 2011-04-05 | 2014-01-22 | 欧普图斯(苏州)光学纳米科技有限公司 | 基于纳米结构检测装置的检测网络 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6134944A (en) * | 1999-04-29 | 2000-10-24 | The Regents Of The University Of California | System and method for preconcentrating, identifying, and quantifying chemical and biological substances |
US6723804B1 (en) * | 2000-11-03 | 2004-04-20 | Chevron Phillips Chemical Company, Lp | Monitoring and control of slurry processes for polymerizing olefins |
US8245564B1 (en) * | 2008-09-16 | 2012-08-21 | Northrop Grumman Systems Corporation | Chemical sample collection and detection system |
-
2017
- 2017-05-18 CN CN201780044531.2A patent/CN109477776B/zh active Active
- 2017-05-18 JP JP2019512952A patent/JP2019522216A/ja active Pending
- 2017-05-18 WO PCT/US2017/033270 patent/WO2017201250A1/en active Application Filing
- 2017-05-18 EP EP17800149.1A patent/EP3458828A4/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002094431A2 (de) * | 2001-05-23 | 2002-11-28 | Nanoscape Ag | Integriertes miniaturisiertes chemisches labor |
CN101968468A (zh) * | 2010-09-14 | 2011-02-09 | 北京市劳动保护科学研究所 | 醛酮类物质的气相色谱-声表面波快速分析测定方法 |
CN103534577A (zh) * | 2011-04-05 | 2014-01-22 | 欧普图斯(苏州)光学纳米科技有限公司 | 基于纳米结构检测装置的检测网络 |
Also Published As
Publication number | Publication date |
---|---|
JP2019522216A (ja) | 2019-08-08 |
EP3458828A4 (en) | 2020-01-08 |
CN109477776B (zh) | 2022-01-18 |
WO2017201250A1 (en) | 2017-11-23 |
EP3458828A1 (en) | 2019-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5375411B2 (ja) | クロマトグラフ質量分析データ解析方法及び装置 | |
CN103376301B (zh) | 色谱串联四极型质谱仪 | |
EP2728350B1 (en) | Method and system for processing analysis data | |
US20140085630A1 (en) | Spectroscopic apparatus and methods for determining components present in a sample | |
JP5327388B2 (ja) | 分析データ処理方法及び装置 | |
JP6620894B2 (ja) | クロマトグラフ質量分析用データ解析装置 | |
JP2007287531A (ja) | 質量分析データ解析方法 | |
JP6245387B2 (ja) | 3次元スペクトルデータ処理装置及び処理方法 | |
JP2013079936A5 (zh) | ||
JP2007005303A (ja) | 質量分析データの処理装置及び方法 | |
Štefl et al. | Cyclic variability of the circumstellar disk of the Be star ζ Tauri-I. Long-term monitoring observations | |
JP6132073B2 (ja) | 包括的2次元クロマトグラフ用データ処理装置 | |
Westhoff et al. | Statistical and bioinformatical methods to differentiate chronic obstructive pulmonary disease (COPD) including lung cancer from healthy control by breath analysis using ion mobility spectrometry | |
US20200011769A1 (en) | Indentification of chemicals in a sample using gc/saw and raman spectroscopy | |
JP6973640B2 (ja) | イメージング質量分析データ処理装置 | |
JP4507962B2 (ja) | ガスクロマトグラフ装置 | |
CN109477776A (zh) | 使用gc/saw和拉曼光谱学来鉴别样本中的化学物质 | |
JP2021148776A (ja) | ピーク解析方法及び波形処理装置 | |
JP4438674B2 (ja) | ガスクロマトグラフ装置及び該装置のデータ処理方法 | |
JPH0798270A (ja) | フロースルー型紫外可視分光光度計 | |
JP6226823B2 (ja) | クロマトグラフ質量分析装置及びその制御方法 | |
WO2018158801A1 (ja) | スペクトルデータの特徴抽出装置および方法 | |
US6210465B1 (en) | Method for identification of components within a known sample | |
Gu et al. | Principal component directed partial least squares analysis for combining NMR and MS data in metabolomics: application to the detection of breast cancer | |
JPWO2020110864A1 (ja) | 分析方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |