CN109781916A - 靶向代谢组学定量自动分析方法和装置、电子设备 - Google Patents
靶向代谢组学定量自动分析方法和装置、电子设备 Download PDFInfo
- Publication number
- CN109781916A CN109781916A CN201910156082.1A CN201910156082A CN109781916A CN 109781916 A CN109781916 A CN 109781916A CN 201910156082 A CN201910156082 A CN 201910156082A CN 109781916 A CN109781916 A CN 109781916A
- Authority
- CN
- China
- Prior art keywords
- sample
- marker
- tested
- concentration
- peak area
- 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.)
- Pending
Links
Classifications
-
- 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
- G01N30/86—Signal analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本公开涉及靶向代谢组学定量自动分析方法和装置、电子设备,该方法包括:自动化的获取至少一个待测样本的样本数据,所述样本数据包括待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值;自动化的获取所述待测样本中的待测标志物对应的标准曲线,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。本公开各实施例能够自动、快速批量的进行靶向代谢组学定量分析。
Description
技术领域
本公开实施例涉及分析化学方法领域,尤其涉及一种靶向代谢组学定量自动分析方法和装置、电子设备及存储介质。
背景技术
代谢产物是在生命体内实现代谢过程的小分子有机化合物(分子<1500Da),其是在酶蛋白催化作用下生成的基因表达的最终产物。代谢组学技术(metabolomics)是后基因时代发展起来的系统生物学的重要研究手段,旨在定量检测生物系统中尽可能多的代谢产物。代谢组学技术被广泛应用到多个领域,比如疾病诊断、药品研发、营养食品评价、毒理研究、环境监测、植物育种等。
代谢组学技术根据是否预先设定检测的代谢物,分为非靶向代谢组学(non-targetedmetabolomics)和靶向代谢组学(targetedmetabolomics)。靶向代谢组学技术的目的检测生物体内所有代谢产物,对待侧样品中的所有代谢物的离子进行全扫描分析,然后利用软件数据库对所扫描的化合物进行比对鉴定,通过筛选和检测血液中的代谢标记物可用于诊断疾病。
而现有技术中,在对代谢产物等数据进行靶向代谢组学分析时通常采用人工的方式记录数据并进行对比分析,该种方式需要分别对每种代谢产物进行对比分析,而不能批量且自动化的处理,需要耗费极大的人工成本,且浪费时间、分析精度也不够。
发明内容
本公开实施例提出了靶向代谢组学定量自动分析方法和装置、电子设备及存储介质,以自动、快速批量地进行靶向代谢组学定量自动分析。
根据本公开实施例的第一方面,提供了一种靶向代谢组学定量自动分析方法,包括:
获取至少一个待测样本的样本数据,所述样本数据包括待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值;获取所述待测样本中的待测标志物对应的标准曲线,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
在一种可能的实施方式中,所述获取所述待测样本中的待测标志物对应的标准曲线包括:获取标准样本中的标志物的浓度;获取所述标准样本中标志物的峰面积值;基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
在一种可能的实施方式中,所述获取所述待测样本中的待测标志物对应的标准曲线包括:获取标准样品中的内标物的第一浓度和标志物的第二浓度,其中,内标物是所述标志物的同位素;获取所述标准样本中内标物的第一峰面积值和标志物的第二峰面积值;基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
在一种可能的实施方式中,所述基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度包括:至少基于所述第一信息确定待测样本中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;基于所述第三峰面积值和第四峰面积值的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
在一种可能的实施方式中,所述方法还包括:存储和显示每个用户标识对应的待测样本中的待测标志物的浓度。
在一种可能的实施方式中,所述方法还包括:基于所述第一信息获取样本数据中待测标志物的色谱数据;基于所述色谱数据确定所述待测标志物的峰面积值。
根据本公开的第二方面,提供了一种靶向代谢组学定量自动分析设备,包括:获取模块,其配置为获取至少一个待测样本的样本数据,以及获取所述待测样本中的待测标志物对应的标准曲线;其中,所述样本数据包括各所述待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;确定模块,其配置为基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
在一种可能的实施方式中,所述获取模块还配置为获取标准样本中的标志物的浓度,并获取所述标准样本中标志物的峰面积值,所述确定模块还配置为基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
在一种可能的实施方式中,所述获取模块还配置为获取标准样品中的内标物的第一浓度和标志物的第二浓度,并获取所述标准样本中的内标物的第一峰面积值和标志物的第二峰面积值,所述内标物是所述标志物的同位素;所述确定模块还配置为基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
在一种可能的实施方式中,所述获取模块还配置为至少基于所述第一信息确定待测样品中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;所述确定模块还配置为基于所述第三峰面积值和第四峰面积值之间的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
在一种可能的实施方式中,所述装置还包括:存储模块,其用于存储每个用户标识对应的待测样本中的待测标志物的浓度;显示模块,其用于显示每个用户标识对应的待测样本中的待测标志物的浓度。
在一种可能的实施方式中,所述获取模块进一步配置为基于所述第一信息获取样本数据中待测标志物的色谱数据;所述确定模块进一步配置为基于所述色谱数据确定所述待测标志物的峰面积值。
根据本公开实施例的第三方面,提供了一种靶向代谢组学定量自动分析装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述第一方面的方法。
根据本公开实施例的第四方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述第一方面的方法。
根据本公开实施例,其可以获取至少一个待测样本的样本数据,以及获取所述待测样本中的待测标志物对应的标准曲线;其中,所述样本数据包括各所述待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。通过上述配置,本公开实施例可以同时获取多个待测样本的样本数据,并可以利用预先获得的标准曲线自动的对这些获取的样本数据进行定量分析,从而可以得到待测样本中对应标志物的浓度,具有操作方便且高度自动化的特点,而且本公开实施例能够快速的批量处理多个用户的样本数据,具有更好的体验效果。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开实施例的一种靶向代谢组学定量自动分析方法的流程图;
图2示出样本中不同组分的峰面积的示意性波形图;
图3示出根据本公开实施例的获取待测样本中的待测标志物对应的标准曲线的流程图;
图4示出根据本公开实施例的一种标准曲线的示意性曲线图;
图5示出根据本公开实施例的获取待测样本中的待测标志物对应的标准曲线的流程图;
图6示出根据本公开实施例的一种靶向代谢组学定量自动分析方法的流程图;
图7示出根据本公开实施例的一种靶向代谢组学定量自动分析装置的结构图;
图8示出根据本公开实施例的一种靶向代谢组学定量自动分析装置的结构图;
图9示出根据本公开实施例的一种电子设备的框图;
图10示出根据本公开实施例的一种电子设备的框图;
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的靶向代谢组学的定量分析方法的流程图。该方法可以用于对代谢组学的各类样本内的标志物进行分析对比,以获取样品中关于各成分的数据,上述样本可以包括获取的用户的代谢产物,标志物可以为样本中的任意元素物质。本公开实施例可以执行多用户、多样本的同时分析,具有更加方便且分析精度高的特点。另外,本公开实施例的方法可以应用在终端或者服务器中,其中终端可以为任意的手持终端或者便携式终端,例如,计算机、手机或平板电脑等,服务器可以包括本地服务器或者云端服务器,本公开对此不进行限制,只要能够执行本公开实施例方法的设备都可以作为上述终端或者服务器。
下面对本公开实施例进行详细说明。如图1所示,本实施例的靶向代谢组学的定量分析方法可以包括:
步骤S11:获取至少一个待测样本的样本数据,所述样本数据包括待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值;
步骤S12:获取所述待测样本中的待测标志物对应的标准曲线,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;
步骤S13:基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
在本公开实施例中,待测样本可以是面向用户采集的生物样本,例如血液、尿液、汗液等,样本数据可以是关于待测样本的数据信息,其中可以包括待测样本所对应的用户信息、待测样本内的成分信息、待测样本中所要检测的标志物的信息等,通过上述样本数据可以方便的识别待测样本的来源以及所要分析的标志物,以及样本各成分的相关信息。例如,本公开实施例中的样本数据可以包括待测样本对应的用户标识、待测标志物的标识和第一信息,其中第一信息可以用于确定待测标志物的峰面积值。其中,用户标识可以用于唯一的确定待测样本所对应的用户,如该用户标识可以为用户姓名、或者用户编号等信息。待测标志物可以是待测样本中所要检测分析的物质或者元素,其中待测标志物的标识可以用于唯一确定该物质或元素,如待测标志物可以为标志物的名称、化学结构式。
本公开实施例中,在执行定量分析之前,需要获取需要进行分析的待测样本的样本数据。其中,本公开实施例可以实现多用户的样本数据的分析,因此可以同时获取至少一个待测样本的样本数据。该至少一个待测样本可以同时为一个用户的不同样本,也可以是对应于不同用户的样本,即本公开可以实现相同用户的不同样本的自动分析,也可以实现不同用户的样本的自动分析。
另外,本公开实施例中获取待测样本的样本数据的方式可以包括:从存储的数据中选择待测样本的样本数据,和/或接收传输的待测样本的样本数据。本公开实施例中,各用户的待测样本的样本数据可以存储在存储器中,在执行对应的定量分析时,可以基于选择信息选择对应的样本数据,该选择信息可以包括用户标识、样本编号等信息,以便于唯一的对应到样本数据。另外,也可以通过与其他设备或者服务器连接,获取传输的样本数据,其中也可以根据包括用户标识或者样本编号的信息来获取对应的样本数据。
另外,样本数据中还可以包括第一信息,该第一信息可以用于确定待测样本中的待测标志物的峰面积值。其中,第一信息包括上述待测标志物的峰面积值,也可以包括与峰面积值相关的参数,并利用该参数确定峰面积值,例如,第一信息可以包括待测标志物的色谱值,根据该色谱值可以得到待测标志物的峰面积值。
为了能够自动化的获得上述待测标志物的峰面积,首先需要能够自动化的通过待测标志物的离子对数据从原始文件之中读取该待测标志物的离子对数据所对应的液质信号数据,该液质信号数据即表示待测标志物的色谱值。上述待测标志物的离子对数据使用表1的表格结构存储于计算机装置之中:
表1
ID | name | precursor | product | ID | name |
HMDB0000043 | Betain | 118.08 | 41.9 | HMDB0000043 | Betain |
HMDB0000097 | Choline | 103.765 | 60 | HMDB0000097 | Choline |
HMDB0000925 | TMAO | 75.984 | 58 | HMDB0000925 | TMAO |
HMDB0000562 | Creatinine | 114.025 | 86.1 | HMDB0000562 | Creatinine |
HMDB0000062 | L-Carnitine | 162.023 | 59.9 | HMDB0000062 | L-Carnitine |
HMDB0000742 | Homocysteine | 135.998 | 90 | HMDB0000742 | Homocysteine |
HMDB0000172 | Isoleucine | 132.168 | 85.9 | HMDB0000172 | Isoleucine |
HMDB0000883 | Valine | 118.204 | 72 | HMDB0000883 | Valine |
HMDB0000159 | Phenylalanine | 166.056 | 119.9 | HMDB0000159 | Phenylalanine |
HMDB0000158 | Tyrosine | 182.082 | 165.2 | HMDB0000158 | Tyrosine |
HMDB0000929 | Tryptophan | 205.071 | 188.1 | HMDB0000929 | Tryptophan |
HMDB0000687 | Leucine | 132.168 | 85.9 | HMDB0000687 | Leucine |
上述表1中,列ID是待测标志物的数据库编号,即唯一标记待测的标志物对象的编号。列name是待测标志物的英文通用名称,列precursor和product列则构成了待测标志物的离子对数据,每个标志物的离子对数据由一个坐标构成,例如(precursor,product),每个标志物的离子对坐标在原始文件中对应一个液质信号数据,即色谱质,该离子对数据用于从原始文件的液质检测数据之中获取对应标志物的色谱值。
图2示出样本中不同组分的峰面积的示意性波形图,如图2所示,在一个待测样本中,可以包含多种待测组分,如图2中的组分A和组分B等,其中可以通过对待测样本使用质谱多反应监测(multiple reaction monitoring,MRM)分析方法来进行色谱检测分析。其中待测标志物(如组分A和组分B)的峰面积是在色谱定量分析时使用的色谱图中波峰曲线与X坐标轴相交围起来的闭合图形部分的总面积,该待测标志物的峰面积表示该待测标志物(如组分A和组分B)的含量,其中峰面积越大,表示该待测标志物(如组分A和组分B)的含量越高。
在获取样本数据后则可以获取与样本数据的待测标志物对应的标准曲线,即执行步骤S12。其中,标准曲线可以包括对应待测样本中的标志物浓度和标志物峰面积值的标准对应关系。其中,获取标准曲线的方式可以包括:直接在数据库中根据待测样本的待测标志物标识查询已知的待测标志物对应的标准曲线,也可以根据待测标志物标识在数据库中查找到待测标志物标准样品的标志物的峰面积值和浓度值,根据标志物的峰面积值和各个浓度值的对应关系进行线性回归运算建立标准曲线。
在获取了标准曲线后,则可以根据该标准曲线获取与第一信息确定的待测标志物的峰面积值对应的待测标志物的浓度。由于本公开实施例可以获取不同样本内的各标志物的标准曲线,因此可以同时执行不同待测样本的定量分析。
基于上述配置,本公开实施例可以实现同时获取多个待测样本的样本数据,并可以利用预先获得的标准曲线自动的对这些获取的样本数据进行定量分析,从而可以得到待测样本中对应标志物的浓度,具有操作方便且高度自动化的特点,而且本公开实施例能够快速的批量处理多个用户的样本数据,具有更好的体验效果。
本公开实施例中,标准曲线可以表示待测标志物的峰面积值和浓度的线性关系,可以采用函数Y=F(X)表示,根据该标准曲线可以将根据第一信息确定的所述待测标志物的峰面积值带入该标准曲线的函数关系即确定各所述待测样本中待测标志物的浓度。
图3示出根据本公开实施例的获取待测样本中的待测标志物对应的标准曲线的流程图。如图3所示,获取所述待测样本中的待测标志物对应的标准曲线(步骤S12)可以包括:
步骤S121,获取标准样本中的标志物的浓度;
步骤S122,获取所述标准样本中标志物的峰面积值;
步骤S123,基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
本公开实施例中,标准样本中的标志物可以是具有一定纯度的标志物样本,其与待测标志物可以为同一种物质,可以对一定纯度的标志物采取稀释配比的方式配置不同浓度系列的标准样本溶液,分别对不同浓度的标准样本溶液进行色谱分析获取不同浓度系列的标准样本溶液中的标志物的峰面积值,基于不同浓度系列的标准样本溶液的标志物的浓度值和进行色谱分析获得的峰面积值进行线性回归运算,建立标准曲线。
为了能够在检测装置之中自动化的建立标准曲线,构建标准曲线所需的必要信息使用表2所示的表结构存储于分析装置之中:
表2
上述表2中的HMDB列属于待测的标志物的标识,是在数据库之中的唯一编号,L1、L2...L7是标准样本中的标志物按照梯度稀释预先得到的浓度值,IS(internal standard)列是所对应的标志物用于校正的内标物质的数据库编号(下文实施方式中会提及)。
本公开实施例可以采用函数Y=F(X)来表示标准曲线,图4中示出了该标准曲线的示意性曲线图,其中X坐标轴为与待测标志物对应的标准样本溶液中的标志物的峰面积数据,Y坐标轴为相对应的浓度数据。其中可以将一定纯度的标志物样本按照稀释配比分别稀释成为若干个不同的浓度值的标准样本溶液,例如7个不同浓度系列值L1、L2…L7的标准样本溶液,对若干个不同的浓度值的标准样本溶液进行色谱分析,得到不同浓度值下的标准样品中的标志物的各个峰面积值,例如7个不同浓度系列对应的峰面积系列值At1、At2…At7,对图中的X坐标轴中的7个不同浓度系列值At1、At2…At7和Y坐标轴的7个不同浓度对应的峰面积系列值L1、L2…L7进行线性回归运算建模,从而建立X坐标轴和Y坐标轴的各个系列的函数关系Y=F(X),该函数关系Y=F(X)即可以为标准曲线。
基于该线性关系的标准曲线,可以根据第一信息确定的所述待测标志物的峰面积值作为自变量输入值X带入函数Y=F(X)即可求得对应的待测标志物的浓度值Y,具有简单方便的效果。
另外,在本公开的另一些实施例中,标准曲线可以表示标准样本中标志物与内标物的浓度比以及标准样本中标志物与内标物的峰面积值比之间的线性关系。由于在建立标准曲线时对标准样本中标志物需要测量不同浓度系列值下的标准样品中的标志物的各个峰面积系列值以及在定量分析计算过程中需要测量待测标志物的峰面积值,经历的测量次数越多,每次测量由于仪器的原因都会产生不同程度的误差,在进行实验的时候还需要使用相对应的内标物对误差进行修正。图5示出根据本公开实施例的靶向代谢组学定量自动分析方法中标准曲线的建立的另一流程图。如图5所示,获取所述待测样本中的待测标志物对应的标准曲线(步骤S12)可以包括:
步骤S121’,获取标准样品中的内标物的第一浓度和标志物的第二浓度,其中,内标物是所述标志物的同位素;
步骤S122’,获取所述标准样本中内标物的第一峰面积值和标志物的第二峰面积值;
步骤S123’,基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
本公开实施例中,标准样本中的标志物可以是具有一定纯度的标志物样本,其与待测标志物为同一种物质,内标物与待测标志物可以为相同物质的同位素,内标物与作为标准样本中的标志物一同混合在标准样本中,其在色谱分析时应当与标准样本中标志物色谱峰分离,又不受试样中其它组分的干扰。
其中,第一浓度可以是标准样本中的内标物在混合的标准样本溶液中的浓度值,例如cIS,第二浓度可以是标准样本中的标志物在混合的标准样本溶液中的浓度值,例如L,第一峰面积值可以是在对标准样本溶液中进行色谱分析后,所测得的标准样本中的内标物的峰面积值,例如AIS,第二峰面积值可以是在对标准样本溶液中进行色谱分析后,所测得的标准样本中的标志物的峰面积值,例如At。
本公开实施例中,可以对图4中的标准曲线的X轴数据和Y轴的数据的数据含义及获取方式进行合理的变型改进标准曲线,仍然采用函数Y=F(X)来表示标准曲线,其中X坐标轴为第一峰面积值和第二峰面积值之间的第一比值,Y坐标轴为第一浓度和第二浓度之间的第二比值,可以将一定纯度的标志物样本按照稀释配比分别稀释成为若干个不同系列的浓度值的样本标志物溶液,然后在样本标志物溶液中分别添加同等质量的内标物,由于不同系列浓度值的标准样本溶液中的内标物的质量恒定,因此对于标准样本溶液中的内标物来说,其浓度也是恒定的,例如标准样本溶液可以配置为7个不同的浓度系列,每个系列对应的标准样本溶液中标志物的浓度分别为7个L1、L2…L7,每个系列对应的标准样本溶液中内标物的浓度都为cLS,对若干个不同的浓度系列的标准样本溶液进行色谱分析,得到不同浓度系列下的标准样品中的标志物的各个峰面积值,例如7个不同浓度对应的峰面积的标准系列At1、At2…At7,和不同浓度系列下的内标物的各个峰面积值AIS1、AIS2…AIS7,分别计算不同浓度系列对应的内标物的各个峰面积值AIS1、AIS2…AIS7与标准样品标志物的各个峰面积值At1、At2…At7的比值,得到峰面积比(AIS1/At1,AIS2/At2,AIS3/At3,AIS4/At4,AIS5/At5,AIS6/At6,AIS7/At7),分别计算不同浓度系列对应的内标物的浓度值cLS与标准样本标志物的浓度L1、L2…L7进行相比,得到浓度比(cIS/L1,cIS/L2,cIS/L3,cIS/L4,cIS/L5,cIS/L6,cIS/L7),对图中的X坐标轴中的7个不同浓度系列峰面积比(AIS1/At1,AIS2/At2,AIS3/At3,AIS4/At4,AIS5/At5,AIS6/At6,AIS7/At7)和Y坐标轴的7个不同浓度系列浓度比(cIS/L1,cIS/L2,cIS/L3,cIS/L4,cIS/L5,cIS/L6,cIS/L7)进行线性回归运算建模,建立X坐标轴和Y坐标轴的各个系列的函数关系Y=F(X),该函数关系Y=F(X)即为标准曲线。
标准曲线可以直接在数据库中根据待测标志物标识查询已知的待测标志物对应的标准曲线,也可以根据本实施例提供方法进行线性回归运算建立标准曲线。
在获取标准曲线后则可以进一步对待测样本进行定量分析,图6示出根据本公开实施例的确定各所述待测样本中待测标志物的浓度的流程图,该方法是在建立图5示出的标准曲线的基础上进行靶向代谢组学定量自动分析方法,如图6所示,基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度(步骤S13)还可以包括:
步骤S131:至少基于所述第一信息确定待测样本中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;
步骤S132:基于所述第三峰面积值和第四峰面积值的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
待测样本中可以包括待测标志物和内标物,其内标物的质量应当与建立图5示出的标准曲线建立的过程中使用的内标物的质量相同,如上第一信息中可以包括待测样本中待测标志物的峰面积值(第四峰面积值)或者待测标志物的色谱值(用于确定第四峰面积值),除此之外,待测样本的样本数据或者第一信息中还可以包括内标物的峰面积值(第三峰面积值)或者第三峰面积值和第四峰面积值的比值,或者也可以包括内标物和待测标志物的色谱值或者二者的色谱值的比值,以确定内标物的峰面积值和待测标志物的峰面积值比值,还可以包括待测样本中的内标物的浓度(第三浓度)。因此可以基于上述信息和标准曲线进一步确定待测样本中标志物的浓度。
其中,在标准曲线为已知的情况下,将第三峰面积值和第四峰面积值的比值带入到标准曲线的自变量X中,计算得到的Y值再乘以待测样本中的内标物的第三浓度值即为待测样本中待测标志物的浓度。通过该方式可以有效的消除试样中其它组分的干扰,提高分析精度。
通过上述配置可以确定待测样本中待测标志物的浓度,在获取该浓度后还可以执行存储和显示每个用户标识对应的待测样本中的待测标志物的浓度,以方便记录每个用户的待测样本的相关数据,同时也方便后续数据的读取和分析。
综上所述,本公开实施例以同时获取多个待测样本的样本数据,并可以利用预先获得的标准曲线自动的对这些获取的样本数据进行定量分析,从而可以得到待测样本中对应标志物的浓度,具有操作方便且高度自动化的特点,而且本公开实施例能够快速的批量处理多个用户的样本数据,具有更好的体验效果。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了靶向代谢组学定量自动分析装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种靶向代谢组学定量自动分析方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图7示出根据本公开实施例的靶向代谢组学定量自动分析装置的框图。该装置可以应用于终端,例如,计算机、手机或平板电脑等。如图7所示,该装置40可以包括:
获取模块41,其配置为获取至少一个待测样本的样本数据,以及获取所述待测样本中的待测标志物对应的标准曲线;其中,所述样本数据包括各所述待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;
确定模块42,其配置为基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
在一些可能的实现方式中,所述获取模块41还配置为获取标准样本中的标志物的浓度,并获取所述标准样本中标志物的峰面积值,
所述确定模块42还配置为基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
在一些可能的实现方式中,获取模块41还配置为获取标准样品中的内标物的第一浓度和标志物的第二浓度,并获取所述标准样本中的内标物的第一峰面积值和标志物的第二峰面积值,所述内标物是所述标志物的同位素;
确定模块42还配置为基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
在一些可能的实现方式中,获取模块41还配置为至少基于所述第一信息确定待测样品中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;
确定模块42还配置为基于所述第三峰面积值和第四峰面积值之间的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
在一些可能的实现方式中,获取模块41进一步配置为基于所述第一信息获取样本数据中待测标志物的色谱数据;
确定模块42进一步配置为基于所述色谱数据确定所述待测标志物的峰面积值。
图8示出根据本公开实施例的靶向代谢组学定量自动分析装置的框图。如图8所示,在一种可能的实现方式中,所述装置40还包括:
存储模块43,其用于存储每个用户标识对应的待测样本中的待测标志物的浓度;
显示模块44,其用于显示每个用户标识对应的待测样本中的待测标志物的浓度。
图9示出根据本公开实施例的一种电子设备的框图。电子设备可以被提供为终端、服务器或其它形态的设备。电子设备可以包括靶向代谢组学定量自动分析装置800。例如,该装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图9,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述实施例所述的靶向代谢组学定量自动分析方法,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图10示出根据本公开实施例的一种电子设备的框图。例如,电子设备1900可以被提供为一服务器。参照图10,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种靶向代谢组学定量自动分析方法,其特征在于,包括:
获取至少一个待测样本的样本数据,所述样本数据包括待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值;
获取所述待测样本中的待测标志物对应的标准曲线,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的标准对应关系;
基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
2.根据权利要求1所述的方法,其特征在于,所述获取所述待测样本中的待测标志物对应的标准曲线包括:
获取标准样本中的标志物的浓度;
获取所述标准样本中标志物的峰面积值;
基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
3.根据权利要求1所述的方法,其特征在于,所述获取所述待测样本中的待测标志物对应的标准曲线包括:
获取标准样品中的内标物的第一浓度和标志物的第二浓度,其中,内标物是所述标志物的同位素;
获取所述标准样本中内标物的第一峰面积值和标志物的第二峰面积值;
基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
4.根据权利要求3所述的方法,其特征在于,所述基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度包括:
至少基于所述第一信息确定待测样本中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;
基于所述第三峰面积值和第四峰面积值的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
存储和显示每个用户标识对应的待测样本中的待测标志物的浓度。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述第一信息获取样本数据中待测标志物的色谱数据;
基于所述色谱数据确定所述待测标志物的峰面积值。
7.一种靶向代谢组学定量自动分析装置,其特征在于,包括:
获取模块,其配置为获取至少一个待测样本的样本数据,以及获取所述待测样本中的待测标志物对应的标准曲线;其中,所述样本数据包括各所述待测样本所对应的用户标识、待测标志物标识和第一信息,所述第一信息用于确定所述待测标志物的峰面积值,所述标准曲线包括对应待测样本中的标志物浓度和标志物峰面积值的对应关系;
确定模块,其配置为基于所述标准曲线和第一信息,确定各所述待测样本中待测标志物的浓度。
8.根据权利要求7所述的装置,其特征在于,所述获取模块还配置为获取标准样本中的标志物的浓度,并获取所述标准样本中标志物的峰面积值,
所述确定模块还配置为基于所述浓度和峰面积值建立所述标准样本中标志物的标准曲线。
9.根据权利要求7所述的装置,其特征在于,所述获取模块还配置为获取标准样品中的内标物的第一浓度和标志物的第二浓度,并获取所述标准样本中的内标物的第一峰面积值和标志物的第二峰面积值,所述内标物是所述标志物的同位素;
所述确定模块还配置为基于所述第一峰面积值和第二峰面积值之间的第一比值,以及所述第一浓度和第二浓度之间的第二比值,建立所述标准曲线。
10.根据权利要求9所述的装置,其特征在于,所述获取模块还配置为至少基于所述第一信息确定待测样品中的内标物的第三峰面积值、待测样本中的内标物的第三浓度,以及待测样本中待测标志物的第四峰面积值;
所述确定模块还配置为基于所述第三峰面积值和第四峰面积值之间的比值、第三浓度以及所述标准曲线,确定各所述待测样本中待测标志物的浓度。
11.根据权利要求7所述的装置,其特征在于,所述装置还包括:
存储模块,其用于存储每个用户标识对应的待测样本中的待测标志物的浓度;
显示模块,其用于显示每个用户标识对应的待测样本中的待测标志物的浓度。
12.根据权利要求7所述的装置,其特征在于,
所述获取模块进一步配置为基于所述第一信息获取样本数据中待测标志物的色谱数据;
所述确定模块进一步配置为基于所述色谱数据确定所述待测标志物的峰面积值。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1至6中任意一项所述的方法。
14.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/115728 WO2020094013A1 (zh) | 2018-11-05 | 2019-11-05 | 靶向代谢组学定量自动分析方法和装置、电子设备 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018113075150 | 2018-11-05 | ||
CN201811307515 | 2018-11-05 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109781916A true CN109781916A (zh) | 2019-05-21 |
Family
ID=66487533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910156082.1A Pending CN109781916A (zh) | 2018-11-05 | 2019-03-01 | 靶向代谢组学定量自动分析方法和装置、电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109781916A (zh) |
WO (1) | WO2020094013A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020094013A1 (zh) * | 2018-11-05 | 2020-05-14 | 苏州帕诺米克生物医药科技有限公司 | 靶向代谢组学定量自动分析方法和装置、电子设备 |
CN111505141A (zh) * | 2020-04-26 | 2020-08-07 | 南京大学 | 一种基于污染物代谢扰动的非目标生物标志物高通量筛查方法 |
CN111579665A (zh) * | 2020-05-20 | 2020-08-25 | 苏州帕诺米克生物医药科技有限公司 | 一种基于uplc/hrms的代谢组学相对定量分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308621A (zh) * | 2013-06-18 | 2013-09-18 | 广州金域医学检验中心有限公司 | 高通量液相色谱法串联质谱法检测25羟基维生素d的方法 |
CN103512991A (zh) * | 2013-09-22 | 2014-01-15 | 中国烟草总公司郑州烟草研究院 | 尿液中丙烯酰胺巯基尿酸代谢物的自动在线分析方法 |
CN104297355A (zh) * | 2013-07-17 | 2015-01-21 | 中国科学院大连化学物理研究所 | 一种基于液相色谱/质谱联用的拟靶标代谢组学分析方法 |
CN105301163A (zh) * | 2015-02-13 | 2016-02-03 | 天津桑尼匹克生物科技有限公司 | 一种测定生物体代谢产物的靶向代谢组学分析方法 |
CN107037144A (zh) * | 2016-11-22 | 2017-08-11 | 苏长青 | 一种超高效液相色谱串联质谱的检测方法 |
WO2018174891A1 (en) * | 2017-03-23 | 2018-09-27 | Mprobe Inc. | Quantitative targeted metabolomic analysis based on the mixture of isotope-and nonisotope-labeled internal standards |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109781916A (zh) * | 2018-11-05 | 2019-05-21 | 苏州帕诺米克生物医药科技有限公司 | 靶向代谢组学定量自动分析方法和装置、电子设备 |
-
2019
- 2019-03-01 CN CN201910156082.1A patent/CN109781916A/zh active Pending
- 2019-11-05 WO PCT/CN2019/115728 patent/WO2020094013A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308621A (zh) * | 2013-06-18 | 2013-09-18 | 广州金域医学检验中心有限公司 | 高通量液相色谱法串联质谱法检测25羟基维生素d的方法 |
CN104297355A (zh) * | 2013-07-17 | 2015-01-21 | 中国科学院大连化学物理研究所 | 一种基于液相色谱/质谱联用的拟靶标代谢组学分析方法 |
CN103512991A (zh) * | 2013-09-22 | 2014-01-15 | 中国烟草总公司郑州烟草研究院 | 尿液中丙烯酰胺巯基尿酸代谢物的自动在线分析方法 |
CN105301163A (zh) * | 2015-02-13 | 2016-02-03 | 天津桑尼匹克生物科技有限公司 | 一种测定生物体代谢产物的靶向代谢组学分析方法 |
CN107037144A (zh) * | 2016-11-22 | 2017-08-11 | 苏长青 | 一种超高效液相色谱串联质谱的检测方法 |
WO2018174891A1 (en) * | 2017-03-23 | 2018-09-27 | Mprobe Inc. | Quantitative targeted metabolomic analysis based on the mixture of isotope-and nonisotope-labeled internal standards |
Non-Patent Citations (2)
Title |
---|
LEE D. ROBERTS ET AL: "《Current Protocols in Molecular Biology》", 30 April 2012 * |
RU WEI ET AL: "High-Throughput and Multiplexed LC/MS/MRM Method for Targeted Metabolomics", 《ANAL. CHEM.》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020094013A1 (zh) * | 2018-11-05 | 2020-05-14 | 苏州帕诺米克生物医药科技有限公司 | 靶向代谢组学定量自动分析方法和装置、电子设备 |
CN111505141A (zh) * | 2020-04-26 | 2020-08-07 | 南京大学 | 一种基于污染物代谢扰动的非目标生物标志物高通量筛查方法 |
CN111579665A (zh) * | 2020-05-20 | 2020-08-25 | 苏州帕诺米克生物医药科技有限公司 | 一种基于uplc/hrms的代谢组学相对定量分析方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020094013A1 (zh) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kleiner | Metaproteomics: much more than measuring gene expression in microbial communities | |
Navarro et al. | A multicenter study benchmarks software tools for label-free proteome quantification | |
Tortorella et al. | LipostarMSI: comprehensive, vendor-neutral software for visualization, data analysis, and automated molecular identification in mass spectrometry imaging | |
Mayampurath et al. | DeconMSn: a software tool for accurate parent ion monoisotopic mass determination for tandem mass spectra | |
Carvalho et al. | XDIA: improving on the label-free data-independent analysis | |
CN109781916A (zh) | 靶向代谢组学定量自动分析方法和装置、电子设备 | |
Costa et al. | Rapid, secure drug testing using fingerprint development and paper spray mass spectrometry | |
JP6386059B2 (ja) | 社会的関係分析方法および装置 | |
Palmer et al. | Where imaging mass spectrometry stands: here are the numbers | |
EP3012796A1 (en) | Method and device for acquiring user information | |
Föll et al. | Accessible and reproducible mass spectrometry imaging data analysis in Galaxy | |
Morris et al. | Pinnacle: a fast, automatic and accurate method for detecting and quantifying protein spots in 2-dimensional gel electrophoresis data | |
CN105719648B (zh) | 个性化无人车交互方法及无人车 | |
Carrillo et al. | Methods for combining peptide intensities to estimate relative protein abundance | |
Chang et al. | PANDA: A comprehensive and flexible tool for quantitative proteomics data analysis | |
CN110619027B (zh) | 一种房源信息的推荐方法、装置、终端设备及介质 | |
Delabrière et al. | proFIA: a data preprocessing workflow for flow injection analysis coupled to high-resolution mass spectrometry | |
Zhang et al. | Smartphone app for residential testing of formaldehyde (SmART-form) | |
Lisec et al. | Extending the dynamic range in metabolomics experiments by automatic correction of peaks exceeding the detection limit | |
Van Riper et al. | RIPPER: a framework for MS1 only metabolomics and proteomics label-free relative quantification | |
Chandler et al. | A smart handheld Raman spectrometer with cloud and AI deep learning algorithm for mixture analysis | |
Fahrner et al. | Democratizing data-independent acquisition proteomics analysis on public cloud infrastructures via the Galaxy framework | |
Isberg et al. | The effect of sample age on the metabolic information extracted from formalin-fixed and paraffin embedded tissue samples using desorption electrospray ionization mass spectrometry imaging | |
US20220270228A1 (en) | Method and apparatus for obtaining information | |
Slavov | Single-cell proteomics: quantifying post-transcriptional regulation during development with mass-spectrometry |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
RJ01 | Rejection of invention patent application after publication |