CN113237985B - 血红蛋白中组分类型的确定方法、装置和计算机设备 - Google Patents
血红蛋白中组分类型的确定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN113237985B CN113237985B CN202110315289.6A CN202110315289A CN113237985B CN 113237985 B CN113237985 B CN 113237985B CN 202110315289 A CN202110315289 A CN 202110315289A CN 113237985 B CN113237985 B CN 113237985B
- Authority
- CN
- China
- Prior art keywords
- peak
- component
- retention time
- time
- detected
- 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.)
- Active
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
- G01N30/8624—Detection of slopes or peaks; baseline correction
- G01N30/8631—Peaks
- G01N30/8634—Peak quality criteria
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- 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)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及一种血红蛋白中组分类型的确定方法、装置、计算机设备和存储介质。该方法包括:从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型。该方法通过对各组分峰时间窗口的扩展,并根据各组分峰与目标峰之间的时间距离以及相应的扩展后的时间窗口,来判断目标峰之前的组分峰的类型,可避免组分峰之间的交叠干扰,有利于减少血红蛋白中组分的误识别,从而提高血红蛋白中组分识别的准确性。
Description
技术领域
本申请涉及血红蛋白测量技术领域,特别是涉及一种血红蛋白中组分类型的确定方法、装置、计算机设备和存储介质。
背景技术
糖化血红蛋白是红细胞中血红蛋白与血糖结合的产物,其浓度与血糖浓度呈正比关系,并且能在人体血液中保持120天左右,该特性可以反映患者近8~12周血糖控制情况,不受引起的临时性血糖值上升的影响(例如饮食、药物等)。其中,稳定性的血红蛋白A1c(即sA1c)相对于总的血红蛋白的比例,被广泛用作糖尿病诊断临床重要依据之一。
传统技术中,糖化血红蛋白中的组分识别方法是根据血红蛋白的色谱图中各组分峰的时间信息(既定的装置下,组分的出峰范围的起始点、终止点及其平均出峰时间)、峰高及峰宽等进行各组分峰综合识别。
然而,由于临床样本的多样性、仪器台间控制差异、配套试剂批间差异或层析柱批间差异,导致各相邻组分峰存在交叠干扰,采用传统技术,存在血红蛋白中组分误识别的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够减少血红蛋白中组分的误识别以提高组分识别准确性的血红蛋白中组分类型的确定方法、装置、计算机设备和存储介质。
一种血红蛋白中组分类型的确定方法,所述方法包括:
从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型。
在其中一个实施例中,所述根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型,包括:
判断所述各待测组分峰的保留时间是否位于所述预设的至少一个组分峰扩展后的时间窗口内,得到判断结果;
比较各时间距离与预设的时间距离阈值的大小,得到比较结果,其中,所述各时间距离为所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的;
根据所述判断结果和所述比较结果,确定所述各待测组分峰的类型。
在其中一个实施例中,所述方法还包括:
计算所述各待测组分峰的保留时间与所述目标峰的保留时间之间的差值,确定为所述各时间距离。
在其中一个实施例中,所述根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型,包括:
获取位于所述目标峰之前的且与所述目标峰相邻的第一待测组分峰的第一保留时间;
计算所述第一保留时间与所述目标峰的保留时间之间的差值,确定为第一时间距离;
判断所述第一保留时间是否位于预设的至少一个第一组分峰扩展后的时间窗口内,得到第一判断结果,其中,所述第一组分峰的类型是根据目标峰的类型确定的;
比较所述第一时间距离与预设的第一时间距离阈值的大小,得到第一比较结果;
根据所述第一判断结果和所述第一比较结果,确定所述第一待测组分峰的类型。
在其中一个实施例中,所述根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型,还包括:
获取位于所述目标峰之前的且与所述目标峰间隔一个组分峰的第二待测组分峰的第二保留时间;
计算所述第二保留时间与所述目标峰的保留时间之间的差值,确定为第二时间距离;
判断所述第二保留时间是否位于预设的至少一个第二组分峰扩展后的时间窗口内,得到第二判断结果,其中,所述第二组分峰的类型是根据所述第一待测组分峰的类型确定的;
比较所述第二时间距离与预设的第二时间距离阈值的大小,得到第二比较结果;
根据所述第二判断结果和所述第二比较结果,确定所述第二待测组分峰的类型。
在其中一个实施例中,所述目标峰为A1c峰。
在其中一个实施例中,所述从血红蛋白的色谱峰中获取目标峰的保留时间,包括:
对所述血红蛋白的色谱峰进行峰识别,确定多个待测组分峰的保留时间;
获取预设的A1c峰扩展后的时间窗口;
确定所述多个待测组分峰中位于所述预设的A1c峰扩展后的时间窗口内的待测组分峰的数量;
若位于所述预设的A1c峰扩展后的时间窗口内的待测组分峰的数量为两个,则获取所述两个待测组分峰中保留时间较大的待测组分峰的波峰值和波谷值;
根据所述保留时间较大的待测组分峰的波峰值和波谷值,确定所述两个待测组分峰中的A1c峰的保留时间。
一种血红蛋白中组分类型的确定装置,所述装置包括:
保留时间获取模块,用于从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
组分峰类型确定模块,用于根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型。
上述血红蛋白中组分类型的确定方法、装置、计算机设备和存储介质,通过对各组分峰时间窗口的扩展,并根据各组分峰与目标峰之间的时间距离以及相应的扩展后的时间窗口,来判断目标峰之前的组分峰的类型,可避免组分峰之间的交叠干扰,有利于减少血红蛋白中组分的误识别,从而提高血红蛋白中组分识别的准确性,进而提高了血红蛋白浓度计算的准确性。
附图说明
图1为一个实施例中血红蛋白中组分类型的确定方法的流程示意图;
图2为一个实施例中根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型的补充方案的流程示意图;
图3为一个实施例中A1c峰识别方法的流程示意图;
图4为一个实施例中A1c峰扩展后的时间窗口内有1个组分峰的色谱图;
图5为一个实施例中A1c峰扩展后的时间窗口内有2个组分峰的色谱图;
图6为另一个实施例中A1c峰扩展后的时间窗口内有2个组分峰的色谱图;
图7为一个实施例中A1c峰+A1c_Uk峰的色谱图;
图8为一个实施例中识别A1c峰之前的第一个待测组分峰的类型的流程示意图;
图9为一个实施例中识别A1c峰之前的第二个待测组分峰的类型的流程示意图;
图10为另一个实施例中识别A1c峰之前的第二个待测组分峰的类型的流程示意图;
图11为一个实施例中台间绝度偏差的示意图;
图12为一个实施例中台间测试结果线性相关性的示意图;
图13为一个实施例中38s vs 48s靶值线性相关性的示意图;
图14为一个实施例中血红蛋白中组分类型的确定装置的结构框图;
图15为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种血红蛋白中组分类型的确定方法,本实施例以该方法应用于终端进行举例说明。可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤S102,从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间。
其中,目标峰及目标峰之前的组分峰采用等度洗脱的方式将各个组分依次分离出来。
可选地,目标峰可以是A1c峰。那么,目标峰之前的待测组分峰包括A1a峰、A1b峰、Hbf峰或LA1c峰中的至少一种。可以理解,目标峰也可以是A1b峰、Hbf峰或LA1c峰。若目标峰是LA1c峰,那么目标峰之前的待测组分峰包括A1a峰、A1b峰或Hbf峰中的至少一种。若目标峰是Hbf峰,那么目标峰之前的待测组分峰包括A1a峰或A1b峰中的至少一种。若目标峰是A1b峰,那么目标峰之前的待测组分峰为A1a峰。
具体地,以目标峰为A1c峰为例,终端从血红蛋白的色谱峰中获取A1c峰的保留时间,以及A1c峰之前的至少一个待测组分峰中各待测组分峰的保留时间。该保留时间可以从血红蛋白的色谱图中确定。在一个实施例中,各待测组分峰的保留时间可以是A1a峰的保留时间、A1b峰的保留时间、Hbf峰的保留时间和LA1c峰的保留时间。
步骤S104,根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型。
其中,组分峰扩展后的时间窗口是对初始的组分峰的时间窗口进行时间延展得到的,其目的是消除临床样本的多样性、仪器台间控制差异、配套试剂批间差异以及层析柱批间差异造成的各组分出峰时间不同而导致成品合格率较低的问题,因此,通过对组分峰的时间窗口进行扩展,可有效保证组分峰的时间窗口中包含不同情况下组分峰的出峰时间。例如,采用现有的离子交换高效液相色谱法可确定各组分峰的时间窗口(即组分的出峰范围的起始时间和终止时间所构成的时间段),为了扩展时间窗口,可将起始时间往前延展,和/或将终止时间往后延展,从而得到组分峰扩展后的时间窗口。
在本实施例中,申请人基于大量的临床样本测试和统计,综合色谱峰分离度及其性能预研,所设定的组分峰扩展后的时间窗口尽可能包含了不同情况下组分峰的出峰时间。
具体地,申请人通过研究发现,如果扩展了各组分峰的时间窗口,且各组分峰扩展后的时间窗口稳定,则相邻组分的时间窗口会出现交叠现象,会导致血红蛋白中组分识别的不准确,因此,为了在相邻组分时间窗口出现交叠的情况下,准确识别血红蛋白中各组分峰,终端根据各待测组分峰的保留时间与预设的至少一个组分峰扩展后的时间窗口的关系,并且基于各待测组分峰的保留时间与A1c峰的保留时间所确定的各时间距离与预设的时间距离阈值的大小,确定各待测组分峰的类型。
上述血红蛋白中组分类型的确定方法中,通过对各组分峰时间窗口的扩展,并根据各组分峰与目标峰之间的时间距离以及相应的扩展后的时间窗口,来判断目标峰之前的组分峰的类型,可避免组分峰之间的交叠干扰,有利于减少血红蛋白中组分的误识别,从而提高血红蛋白中组分识别的准确性,进而提高了血红蛋白浓度计算的准确性。
在一个实施例中,以A1c峰为例,申请人进行了前期准备工作,通过大量的样本测试和统计,确定装置以下三个特征:
根据不同A1c出峰时间统计装置,测试大量临床样本,综合色谱峰分离度及其性能预研,能够确认A1a、A1b、Hbf、LA1c和A1c的时间窗口参数如下表1所示:
名称 | 起始时间 | 平均保留时间 | 终止时间 |
A1a | S.TA1a | R.TA1a | E.TA1a |
A1b | S.TA1b | R.TA1b | E.TA1b |
Hbf | S.THbf | R.THbf | E.THbf |
LA1c | S.TLA1c | R.TLA1c | E.TLA1c |
A1c | S.TA1c | R.TA1c | E.TA1c |
P3 | S.TP3 | R.TP3 | E.Tp3 |
P4 | S.TP4 | R.TP4 | E.TP4 |
AO | S.TA0 | R.TA0 | E.TA0 |
表1
其中,A1a峰扩展后的时间窗口为:[S.TA1a,E.TA1a],A1b峰扩展后的时间窗口为:[S.TA1b,E.TA1b],其他组分峰扩展后的时间窗口以此类推。通常,相邻组分峰时间窗口扩展后会交叠,例如相邻两组分峰A1a峰与A1b峰,存在集合x=[S.TA1a,E.TA1a]∩[S.TA1b,E.TA1b],x
在一个实施例中,如图2所示,涉及上述步骤S104“根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型”的一种可能的实现方式。在上述实施例的基础上,步骤S104具体可以通过以下步骤实现:
步骤S1042,判断各待测组分峰的保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,得到判断结果;
步骤S1044,比较各时间距离与预设的时间距离阈值的大小,得到比较结果;
步骤S1046,根据判断结果和比较结果,确定各待测组分峰的类型。
具体地,终端判断各待测组分峰的保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,得到判断结果。其中,判断结果包括待测组分峰的保留时间位于预设的组分峰扩展后的时间窗口内和待测组分峰的保留时间不位于预设的组分峰扩展后的时间窗口内。并且,终端还需要比较各时间距离与预设的时间距离阈值的大小,得到比较结果。其中,比较结果包括时间距离小于或等于预设的时间距离阈值和时间距离大于预设的时间距离阈值。最后,终端根据判断结果和比较结果,确定各待测组分峰的类型。
本实施例中,通过判断各待测组分峰的保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,以及比较各时间距离与预设的时间距离阈值的大小,从而确定待测组分峰的特性,有利于准确识别各待测组分峰的类型。
在一个实施例中,各时间距离的计算方式可以是:计算各待测组分峰的保留时间与目标峰的保留时间之间的差值,确定为各时间距离。在另一个实施例中,各时间距离的计算方式可以是:计算目标峰的保留时间与各待测组分峰的保留时间之间的差值并取绝对值,确定为各时间距离。当然,各时间距离的计算方式还可以通过各待测组分峰的保留时间与目标峰的保留时间的其他计算方式获得,例如加权重等等。
在一个实施例中,如图3所示,涉及A1c峰的识别过程。在上述实施例的基础上,该方法还包括以下步骤:
步骤S111,对血红蛋白的色谱峰进行峰识别,确定多个待测组分峰的保留时间;
步骤S112,获取预设的A1c峰扩展后的时间窗口;
步骤S113,确定多个待测组分峰中位于预设的A1c峰扩展后的时间窗口内的待测组分峰的数量;
步骤S114,若位于预设的A1c峰扩展后的时间窗口内的待测组分峰的数量为两个,则获取两个待测组分峰中保留时间较大的待测组分峰的波峰值和波谷值;
步骤S115,根据保留时间较大的待测组分峰的波峰值和波谷值,确定两个待测组分峰中的A1c峰的保留时间。
具体地,终端对血红蛋白的色谱峰进行峰识别,确定多个待测组分峰的信息。其中,待测组分峰的信息包括待测组分峰的保留时间。可选地,待测组分峰的信息还包括待测组分峰的位置信息,例如可以是位置序号,即峰id。可选地,待测组分峰的信息还包括待测组分峰的宽度和高度。可选地,在峰识别之前,终端可以对色谱峰进行滤波降噪等预处理操作。进一步地,终端可以对色谱峰进行有效峰识别的操作。识别出的待测组分峰的类型可默认为Uk峰(即UnKnown峰)。接着,终端获取预设的A1c峰扩展后的时间窗口[S.TA1c,E.TA1c],在色谱图中搜索多个待测组分峰中位于该预设的A1c峰扩展后的时间窗口内的待测组分峰的数量N。申请人通过研究发现,根据预研及其系统的色谱峰分离情况,预期扩展时间窗口范围后,A1c峰扩展后的时间窗口内最多有两个组分峰存在。
请参阅图4,图4为一个实施例中A1c峰扩展后的时间窗口内有1个组分峰的色谱图。需要说明,本申请中提及的装置的数据采集频率为0.1s,色谱图的横轴表示时间采样点(也适用于其他附图)。具体地,若N=1,且该待测组分峰的宽度和高度大于或等于其对应的宽度阈值和高度阈值,则终端确定该待测组分峰为A1c峰。若N=1,且该待测组分峰的宽度或高度小于其对应的宽度阈值和高度阈值,则终端输出无A1c峰的报警信息。
请参阅图5和6,若N=2,存在两种可能,一种是LA1c峰+A1c峰,另一种是A1c峰+Alc_Uk峰。申请人通过研究发现,请参阅图7,一般情况下,A1c_Uk峰与A1c峰的分离度不好,侵入到A1c峰的右侧,呈现左侧抬高,左右两侧的对称性不好,A1c_Uk峰的幅度比A1c峰小,基于这三个特性可以对A1c_Uk进行特性识别。
因此,针对第二种可能,终端的峰确定方式为:终端对保留时间较大的待测组分峰进行A1c_Uk特性识别,如果具有A1c_Uk特性,那么确定该保留时间较大的待测组分峰为A1c_Uk峰,而保留时间较小的待测组分峰为A1c峰;否则,该保留时间较大的待测组分峰为A1c峰。并且,终端会记录A1c所对应的峰的位置序号,这里记录为idA1c。更具体地,终端对保留时间较大的待测组分峰进行A1c_Uk特性识别的具体实现方式为:终端获取保留时间较大的待测组分峰的波峰值HB和该波峰值两侧的左波谷值HA和右波谷值HC,其中,B为波峰,A为左波谷,C为右波谷。若(HB-HC)/(HB-HA)≥T1,则确定该保留时间较大的待测组分峰为A1c_Uk峰。其中,T1为预设阈值。可选地,终端可以对HB、HA和HC先进行归一化处理,得到归一化后的NHB、NHA和NHC,然后若(NHB-NHC)/(NHB-NHA)≥T2,则确定该保留时间较大的待测组分峰为A1c_Uk峰。其中,[HC,HB]决定归一化区间为[0,1]且HA∈(0,1)。其中,T2为预设阈值。进一步地,为了更准确地识别出A1c_Uk峰,上述识别方式还包括:获取保留时间较小的待测组分峰的波峰值HD,若同时HB<HD,则终端确定该保留时间较大的待测组分峰为A1c_Uk峰。
本实施例中,将位于A1c峰扩展后的时间窗口内的组分峰根据不同情况区分出A1c峰的信息,有利于提高A1c峰识别的准确性。
在一个实施例中,涉及上述步骤S104“根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型”的一种可能的实现方式。在上述实施例的基础上,步骤S104具体可以通过以下步骤实现:
步骤S201,获取位于目标峰之前的且与所述目标峰相邻的第一待测组分峰的第一保留时间;
步骤S202,计算第一保留时间与目标峰的保留时间之间的差值,确定为第一时间距离;
步骤S203,判断第一保留时间是否位于预设的至少一个第一组分峰扩展后的时间窗口内,得到第一判断结果;
步骤S204,比较第一时间距离与预设的第一时间距离阈值的大小,得到第一比较结果;
步骤S205,根据第一判断结果和第一比较结果,确定第一待测组分峰的类型。
其中,第一待测组分峰位于目标峰之前且与目标峰相邻。
其中,第一组分峰的类型是根据目标峰的类型确定的。
其中,以目标峰为A1c峰为例,第一时间距离阈值包括LA1c峰、Hbf峰和A1b峰的保留时间分别与A1c峰的保留时间之间的距离阈值G1、G2和G3。该G1、G2和G3是基于样本统计(跟装置的色谱峰分离特性有关),保证在交叠范围基础上,能够区分出两种组分峰。同理,目标峰为其他峰时类似。
具体地,以目标峰为A1c峰为例,终端在获得A1c峰的保留时间R.TA1c后,获取位于A1c峰之前的第一个待测组分峰(idA1c-1)th的第一保留时间接着,终端通过如下公式(1)计算第一保留时间到A1c峰的保留时间之间的第一时间距离Dis1。
接着,终端判断(idA1c-1)th峰的第一保留时间是否属于LA1c扩展后的时间窗口[S.TLA1c,E.TLA1c]内;若是,则bLA1c=true;若否,则bLA1c=false。
接着,终端判断(idA1c-1)th峰的第一保留时间是否属于Hbf扩展后的时间窗口[S.THbf,E.THbf]内;若是,则bHbf=true;若否,则bHbf=false;
接着,请参阅图8,终端根据bLA1c与bHbf,并结合预设的第一时间距离阈值G1、G2和G3,判断(idA1c-1)th峰的类型的过程如下:
a1、当bLA1c=true且bHbf=true时,若Dis1≤G1,则判定该(idA1c-1)th峰为LA1c峰;若Dis1∈(G1,G2],则判定该(idA1c-1)th峰为Hbf峰;
b1、当bLA1c=true且bHbf=false时,若Dis1≤G1,则判定该(idA1c-1)th峰为LAlc峰;
c1、当bLA1c=false且bHbf=true时,若Dis1∈(G1,G2],则判定该(idA1c-1)th峰为Hbf峰;
d1、当bLA1c=false且bHbf=false时,若Dis1∈(G2,G3]且落入 则判定该(idA1c-1)th峰为A1b峰;若Dis1>G3且落入/> 则判定该(idA1c-1)th峰为A1a峰。至此(idA1c-1)th峰的识别结束。
本实施例中,通过判断位于目标峰之前的第一待测组分峰的第一保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,以及比较第一时间距离与预设的时间距离阈值的大小,从而确定位于目标峰之前的第一待测组分峰的特性,有利于准确识别位于目标峰之前的第一待测组分峰的类型。
在一个实施例中,涉及上述步骤S104“根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型”的一种可能的实现方式。在上述实施例的基础上,步骤S104具体还包括:
步骤S211,获取位于目标峰之前的且与目标峰间隔一个组分峰的第二待测组分峰的第二保留时间;
步骤S212,计算第二保留时间与目标峰的保留时间之间的差值,确定为第二时间距离;
步骤S213,判断第二保留时间是否位于预设的至少一个第二组分峰扩展后的时间窗口内,得到第二判断结果;
步骤S214,比较第二时间距离与预设的第二时间距离阈值的大小,得到第二比较结果;
步骤S215,根据第二判断结果和第二比较结果,确定第二待测组分峰的类型。
其中,第二组分峰的类型是根据第一待测组分峰的类型确定的。
其中,再以目标峰为A1c峰为例,第二时间距离阈值包括LA1c峰、Hbf峰和A1b峰的保留时间分别与A1c峰的保留时间之间的距离阈值G1、G2和G3。该G1、G2和G3是基于样本统计(跟装置的色谱峰分离特性有关),保证在交叠范围基础上,能够区分出两种组分峰。
具体地,以目标峰为A1c峰为例,终端在确定A1c峰之前的第一个待测组分峰的类型后,获取位于A1c峰之前的第二个待测组分峰(idA1c-2)th的第二保留时间接着,终端通过如下公式(2)计算第二保留时间到A1c峰的保留时间之间的第二时间距离Dis2。
实现方式一为:请参阅图9,若判定(idA1c-1)th峰为LA1c峰,则对(idA1c-2)th峰的组分类型的判断过程如下:
终端判断(idA1c-2)th峰的第二保留时间是否属于Hbf扩展后的时间窗口[S.THbf,E.THbf]内;若是,则bHbf=true;若否,则bHbf=false。
接着,终端判断(idA1c-2)th峰的第二保留时间是否属于A1b扩展后的时间窗口[S.TA1b,E.TA1b]内;若是,则bA1b=true;若否,则bA1b=false;
接着,终端根据bHbf与bA1b,并结合预设的第二时间距离阈值G1、G2和G3,判断(idA1c-2)th峰的类型的判断过程如下:
a2、当bHbf=true且bA1b=true时,若Dis2∈(G1,G2],则判定该(idA1c-2)th峰为Hbf峰;若Dis2∈(G2,G3],则判定该(idA1c-1)th峰为A1b峰;
b2、当bHbf=true且bA1b=false时,若Dis2∈(G1,G2],则判定该(idA1c-2)th峰为Hbf峰;
c2、当bHbf=false且bA1b=true时,若Dis2∈(G2,G3],则判定该(idA1c-2)th峰为Alb峰;
d2、当bHbf=false且bA1b=true时,若Dis2>G3且落入则判定该(idA1c-2)th峰为A1a峰。至此(idA1c-2)th峰的识别结束。
实现方式二为:请参阅图10,若判定(idA1c-1)th峰为Hbf峰,则对(idA1c-2)th峰的组分类型的判断过程如下:
终端判断(idA1c-2)th峰的第二保留时间是否属于A1b峰扩展后的时间窗口[S.TA1b,E.TA1b]内;若是,则bA1b=true;若否,则bA1b=false。
接着,终端判断(idA1c-2)th峰的第二保留时间是否属于A1a峰扩展后的时间窗口[S.TA1a,E.TA1a]内;若是,则bA1a=true;若否,则bA1a=false;
接着,终端根据bA1b与bA1a,并结合预设的第二时间距离阈值G1、G2和G3,判断(idA1c-2)th峰的类型的判断过程如下:
a3、当bA1b=true且bA1a=true时,若Dis2∈(G2,G3],则判定该(idA1c-2)th峰为A1b峰;若Dis2>G3,则判定该(idA1c-2)th峰为A1a峰;至此(idA1c-2)th峰的识别结束。
b3、当bA1b=true且bA1a=false时,若Dis2∈(G2,G3],则判定该(idA1c-2)th峰为A1b峰;
c3、当bA1b=false且bA1a=true时,若Dis2>G3,则判定该(idA1c-2)th峰为A1a峰;至此(idA1c-2)th峰的识别结束。
d3、当bA1b=false且bA1a=false时,则判定该(idA1c-2)th峰为Uk峰;至此(idA1c-2)th峰的识别结束。
实现方式三为:若判定(idA1c-1)th峰为A1b峰,则对(idA1c-2)th峰的组分类型的判断过程如下:
终端判断(idA1c-2)th峰的第二保留时间且Dis2>G3,则判定该(idA1c-2)th峰为A1a峰;至此(idA1c-2)th峰的识别结束。
实现方式四为:若判定(idA1c-1)th峰为A1a峰,则识别结束。
本实施例中,基于目标峰之前的第一待测组分峰的类型,通过判断位于目标峰之前的第二待测组分峰的第二保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,以及比较第二时间距离与预设的时间距离阈值的大小,从而确定位于目标峰之前的第二待测组分峰的特性,有利于准确识别位于目标峰之前的第二待测组分峰的类型。
在一个实施例中,涉及上述步骤S104“根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型”的一种可能的实现方式。在上述实施例的基础上,步骤S104具体还包括:
步骤S221,获取目标峰之前的且与目标峰间隔两个组分峰的第三待测组分峰的第三保留时间;
步骤S222,计算第三保留时间与目标峰的保留时间之间的差值,确定为第三时间距离;
步骤S223,判断第三保留时间是否位于预设的至少一个第三组分峰扩展后的时间窗口内,得到第三判断结果;
步骤S224,比较第三时间距离与预设的第三时间距离阈值的大小,得到第三比较结果;
步骤S225,根据第三判断结果和第三比较结果,确定第三待测组分峰的类型。
其中,第三组分峰的类型是根据第二待测组分峰的类型确定的。
其中,以目标峰为A1c峰为例,第三时间距离阈值包括LAlc峰、Hbf峰和A1b峰的保留时间分别与A1c峰的保留时间之间的距离阈值G1、G2和G3。该G1、G2和G3是基于样本统计(跟装置的色谱峰分离特性有关),保证在交叠范围基础上,能够区分出两种组分峰。
具体地,又以目标峰为A1c峰为例,终端在确定A1c峰之前的第二个待测组分峰的类型后,获取位于A1c峰之前的第三个待测组分峰(idA1c-3)th的第三保留时间接着,终端通过如下公式(3)计算第三保留时间到A1c峰的保留时间之间的第三时间距离Dis3。
实现方式一为:若判定(idA1c-2)th峰为Hbf峰,则对(idA1c-3)th峰的组分类型的判断过程如下:
终端判断(idA1c-3)th峰的第三保留时间是否属于A1b峰扩展后的时间窗口[S.TA1b,E.TA1b]内;若是,则bA1b=true;若否,则bA1b=false。
接着,终端判断(idA1c-3)th峰的第三保留时间是否属于A1a峰扩展后的时间窗口[S.TA1a,E.TA1a]内;若是,则bA1a=true;若否,则bA1a=false;
接着,终端根据bA1b与bA1a,并结合预设的第三时间距离阈值G1、G2和G3,判断(idA1c-3)th峰的类型的判断过程如下:
a3、当bA1b=true且bA1a=true时,若Dis3∈(G2,G3],则判定该(idA1c-3)th峰为A1b峰;若Dis3>G3,则判定该(idA1c-3)th峰为A1a峰;至此(idA1c-3)th峰的识别结束。
b3、当bA1b=true且bA1a=false时,若Dis3∈(G2,G3],则判定该(idA1c-3)th峰为A1b峰;
c3、当bA1b=false且bA1a=true时,若Dis3>G3,则判定该(idA1c-3)th峰为A1a峰;至此(idA1c-3)th峰的识别结束。
d3、当bA1b=false且bA1a=false时,则判定该(idA1c-3)th峰为Uk峰;至此(idA1c-3)th峰的识别结束。
实现方式二为:若判定(idA1c-2)th峰为A1b峰,则对(idA1c-3)th峰的组分类型的判断过程如下:
终端判断(idA1c-3)th峰的第三保留时间且Dis3>G3,则判定该(idA1c-3)th峰为A1a峰;至此(idA1c-3)th峰的识别结束。
实现方式三为:若判定(idA1c-2)th峰为A1a峰,则识别结束。
本实施例中,基于目标峰之前的第二待测组分峰的类型,通过判断位于目标峰之前的第三待测组分峰的第三保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,以及比较第三时间距离与预设的时间距离阈值的大小,从而确定位于目标峰之前的第三待测组分峰的特性,有利于准确识别位于目标峰之前的第三待测组分峰的类型。
在一个实施例中,涉及上述步骤S104“根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型”的一种可能的实现方式。在上述实施例的基础上,步骤S104具体还包括:
步骤S231,获取位于目标峰之前的且与目标峰间隔三个组分峰的第四待测组分峰的第四保留时间;
步骤S232,计算第四保留时间与目标峰的保留时间之间的差值,确定为第四时间距离;
步骤S233,判断第四保留时间是否位于预设的至少一个第四组分峰扩展后的时间窗口内,得到第四判断结果;
步骤S234,比较第四时间距离与预设的第四时间距离阈值的大小,得到第四比较结果;
步骤S235,根据第四判断结果和第四比较结果,确定第四待测组分峰的类型。
其中,第四组分峰的类型是根据第三待测组分峰的类型确定的。
其中,以目标峰为A1c峰为例,第四时间距离阈值包括LAlc峰、Hbf峰和A1b峰的保留时间分别与A1c峰的保留时间之间的距离阈值G1、G2和G3。该G1、G2和G3是基于样本统计(跟装置的色谱峰分离特性有关),保证在交叠范围基础上,能够区分出两种组分峰。
具体地,还以目标峰为A1c峰为例,终端在确定A1c峰之前的第三个待测组分峰的类型后,获取位于A1c峰之前的第四个待测组分峰(idA1c-4)th的第四保留时间接着,终端通过如下公式(4)计算第四保留时间到A1c峰的保留时间之间的第四时间距离Dis4。
实现方式一为:若判定(idA1c-3)th峰为A1b峰,则对(idA1c-4)th峰的组分类型的判断过程如下:
终端判断(idA1c-4)th峰的第四保留时间且Dis4>G3,则判定该(idA1c-4)th峰为A1a峰;至此(idA1c-4)th峰的识别结束。
实现方式二为:若判定(idA1c-3)th峰为A1a峰,则识别结束。
本实施例中,基于目标峰之前的第三待测组分峰的类型,通过判断位于目标峰之前的第四待测组分峰的第四保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,以及比较第四时间距离与预设的时间距离阈值的大小,从而确定位于目标峰之前的第四待测组分峰的特性,有利于准确识别位于目标峰之前的第四待测组分峰的类型。
可选地,第一时间距离阈值、第二时间距离阈值、第三时间距离阈值和第四时间距离阈值可以相同,也可以不同。
在一个实施例中,请参阅图11-13,涉及血红蛋白中组分类型的确定方法的验证过程。在上述实施例的基础上,还包括:
步骤S302,分别选取A1c保留时间分别为38s,48s同一款仪器两台出峰系统,验证其识别的正确性;
步骤S304,利用提供可溯源的校准品对仪器进行校准,获取仪器的校准曲线;
步骤S306,测试在200例临床样本分为在两台装置上进行测试(临床样本浓度区间为4%~14%A1c),获取装置的测试结果,并对台间差及其线性进行评估;
步骤S302~步骤S306中,通过选取不同出峰时间(38s和48s)的两台仪器,对200个测试样本分别在两台仪器上进行测试,对台间测试差异和线性进行比较。从图11和图12可以看出,200例临床样本(浓度范围4%~14%HbA1c)A1c出峰38s或者48s附近范围内,两台仪器条件绝对偏差大部分集中在±2%以内,线性相关性R=0.9992。需要说明,本申请实施例中所涉及的HbA1c与A1c皆是指血红蛋白中包含的A1c成分。
在一个实施例中,还包括:步骤S312,选取A1c出峰时间为38s的仪器,基于一级质谱溯源的质控品分别进行准确度确认和线性确认。
序号 | 38s测试值 | 质谱靶值 | 绝对偏差 | 相对偏差 |
1 | 5.8 | 5.8 | 0.0 | 0.0% |
2 | 5.9 | 5.8 | 0.1 | 1.7% |
3 | 7.1 | 7.1 | 0.0 | 0.0% |
4 | 7.2 | 7.1 | 0.1 | 1.4% |
5 | 8.9 | 9.1 | -0.2 | -2.2% |
6 | 9.2 | 9.1 | 0.1 | 1.1% |
7 | 11.4 | 11.4 | 0.0 | 0.0% |
表2 38svs靶值偏差
步骤S312中,选取7个不同的一级质谱溯源的质控品在38s的系统上进行确认,与质控品靶值进行准确度和线性比较。从表2和图13可以看出,最大绝对偏差为0.2HbA1c(%),相对偏差落入±3%,符合行业标准。
应该理解的是,虽然图1-10的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-10中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图14所示,提供了一种血红蛋白中组分类型的确定装置,包括:保留时间获取模块402和组分峰类型确定模块404,其中:
该保留时间获取模块402,用于从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
该组分峰类型确定模块404,用于根据各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及各待测组分峰的保留时间与目标峰的保留时间所确定的各时间距离,确定各待测组分峰的类型。
上述血红蛋白中组分类型的确定装置中,通过对各组分峰时间窗口的扩展,并根据各组分峰与目标峰之间的时间距离以及相应的扩展后的时间窗口,来判断目标峰之前的组分峰的类型,可避免组分峰之间的交叠干扰,有利于减少血红蛋白中组分的误识别,从而提高血红蛋白中组分识别的准确性,进而提高了血红蛋白浓度计算的准确性。
在一个实施例中,该组分峰类型确定模块404具体用于判断各待测组分峰的保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,得到判断结果;比较各时间距离与预设的时间距离阈值的大小,得到比较结果,其中,各时间距离为各待测组分峰的保留时间与目标峰的保留时间所确定的;根据判断结果和比较结果,确定各待测组分峰的类型。
在一个实施例中,该装置还包括:时间距离计算模块(图未示),其中:
该时间距离计算模块,用于计算各待测组分峰的保留时间与目标峰的保留时间之间的差值,确定为各时间距离。
在一个实施例中,该组分峰类型确定模块404具体用于获取位于目标峰之前的且与目标峰相邻的第一待测组分峰的第一保留时间;计算第一保留时间与目标峰的保留时间之间的差值,确定为第一时间距离;判断第一保留时间是否位于预设的至少一个第一组分峰扩展后的时间窗口内,得到第一判断结果,其中,第一组分峰的类型是根据目标峰的类型确定的;比较第一时间距离与预设的第一时间距离阈值的大小,得到第一比较结果;根据第一判断结果和第一比较结果,确定第一待测组分峰的类型。
在一个实施例中,该组分峰类型确定模块404具体用于获取位于目标峰之前的且与目标峰间隔一个组分峰的第二待测组分峰的第二保留时间;计算第二保留时间与目标峰的保留时间之间的差值,确定为第二时间距离;判断第二保留时间是否位于预设的至少一个第二组分峰扩展后的时间窗口内,得到第二判断结果,其中,第二组分峰的类型是根据第一待测组分峰的类型确定的;比较第二时间距离与预设的第二时间距离阈值的大小,得到第二比较结果;根据第二判断结果和第二比较结果,确定第二待测组分峰的类型。
在一个实施例中,该组分峰类型确定模块404具体用于获取目标峰之前的且与目标峰间隔两个组分峰的第三待测组分峰的第三保留时间;计算第三保留时间与目标峰的保留时间之间的差值,确定为第三时间距离;判断第三保留时间是否位于预设的至少一个第三组分峰扩展后的时间窗口内,得到第三判断结果;比较第三时间距离与预设的第三时间距离阈值的大小,得到第三比较结果;根据第三判断结果和第三比较结果,确定第三待测组分峰的类型。
在一个实施例中,该组分峰类型确定模块404具体用于获取位于目标峰之前的且与目标峰间隔三个组分峰的第四待测组分峰的第四保留时间;计算第四保留时间与目标峰的保留时间之间的差值,确定为第四时间距离;判断第四保留时间是否位于预设的至少一个第四组分峰扩展后的时间窗口内,得到第四判断结果;比较第四时间距离与预设的第四时间距离阈值的大小,得到第四比较结果;根据第四判断结果和第四比较结果,确定第四待测组分峰的类型。
在一个实施例中,该保留时间获取模块402具体用于对血红蛋白的色谱峰进行峰识别,确定多个待测组分峰的保留时间;获取预设的A1c峰扩展后的时间窗口;确定多个待测组分峰中位于预设的A1c峰扩展后的时间窗口内的待测组分峰的数量;若位于预设的A1c峰扩展后的时间窗口内的待测组分峰的数量为两个,则获取两个待测组分峰中保留时间较大的待测组分峰的波峰值和波谷值;根据保留时间较大的待测组分峰的波峰值和波谷值,确定两个待测组分峰中的A1c峰的保留时间。
关于血红蛋白中组分类型的确定装置的具体限定可以参见上文中对于血红蛋白中组分类型的确定方法的限定,在此不再赘述。上述血红蛋白中组分类型的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种血红蛋白中组分类型的确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种血红蛋白中组分类型的确定方法,其特征在于,所述方法包括:
从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型;具体包括:
判断所述各待测组分峰的保留时间是否位于所述预设的至少一个组分峰扩展后的时间窗口内,得到判断结果;
比较各时间距离与预设的时间距离阈值的大小,得到比较结果,其中,所述各时间距离为所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的;
根据所述判断结果和所述比较结果,确定所述各待测组分峰的类型。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
计算所述各待测组分峰的保留时间与所述目标峰的保留时间之间的差值,确定为所述各时间距离。
3.根据权利要求1所述的方法,其特征在于,所述根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型,包括:
获取位于目标峰之前的且与所述目标峰相邻的第一待测组分峰的第一保留时间;
计算所述第一保留时间与所述目标峰的保留时间之间的差值,确定为第一时间距离;
判断所述第一保留时间是否位于预设的至少一个第一组分峰扩展后的时间窗口内,得到第一判断结果,其中,所述第一组分峰的类型是根据目标峰的类型确定的;
比较所述第一时间距离与预设的第一时间距离阈值的大小,得到第一比较结果;
根据所述第一判断结果和所述第一比较结果,确定所述第一待测组分峰的类型。
4.根据权利要求3所述的方法,其特征在于,所述根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型,还包括:
获取位于目标峰之前的且与所述目标峰间隔一个组分峰的第二待测组分峰的第二保留时间;
计算所述第二保留时间与所述目标峰的保留时间之间的差值,确定为第二时间距离;
判断所述第二保留时间是否位于预设的至少一个第二组分峰扩展后的时间窗口内,得到第二判断结果,其中,所述第二组分峰的类型是根据所述第一待测组分峰的类型确定的;
比较所述第二时间距离与预设的第二时间距离阈值的大小,得到第二比较结果;
根据所述第二判断结果和所述第二比较结果,确定所述第二待测组分峰的类型。
5.根据权利要求1-4任一所述的方法,其特征在于,所述目标峰为A1c峰。
6.根据权利要求5所述的方法,其特征在于,所述从血红蛋白的色谱峰中获取目标峰的保留时间,包括:
对所述血红蛋白的色谱峰进行峰识别,确定多个待测组分峰的保留时间;
获取预设的A1c峰扩展后的时间窗口;
确定所述多个待测组分峰中位于所述预设的A1c峰扩展后的时间窗口内的待测组分峰的数量;
若位于所述预设的A1c峰扩展后的时间窗口内的待测组分峰的数量为两个,则获取两个待测组分峰中保留时间较大的待测组分峰的波峰值和波谷值;
根据所述保留时间较大的待测组分峰的波峰值和波谷值,确定两个待测组分峰中的A1c峰的保留时间。
7.一种血红蛋白中组分类型的确定装置,其特征在于,所述装置包括:
保留时间获取模块,用于从血红蛋白的色谱峰中获取目标峰的保留时间,以及目标峰之前的至少一个待测组分峰中各待测组分峰的保留时间;
组分峰类型确定模块,用于根据所述各待测组分峰的保留时间、预设的至少一个组分峰扩展后的时间窗口以及所述各待测组分峰的保留时间与所述目标峰的保留时间所确定的各时间距离,确定所述各待测组分峰的类型;
组分峰类型确定模块具体用于判断各待测组分峰的保留时间是否位于预设的至少一个组分峰扩展后的时间窗口内,得到判断结果;比较各时间距离与预设的时间距离阈值的大小,得到比较结果,其中,各时间距离为各待测组分峰的保留时间与目标峰的保留时间所确定的;根据判断结果和比较结果,确定各待测组分峰的类型。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315289.6A CN113237985B (zh) | 2021-03-24 | 2021-03-24 | 血红蛋白中组分类型的确定方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315289.6A CN113237985B (zh) | 2021-03-24 | 2021-03-24 | 血红蛋白中组分类型的确定方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113237985A CN113237985A (zh) | 2021-08-10 |
CN113237985B true CN113237985B (zh) | 2023-10-20 |
Family
ID=77130453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110315289.6A Active CN113237985B (zh) | 2021-03-24 | 2021-03-24 | 血红蛋白中组分类型的确定方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113237985B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395481A2 (en) * | 1989-04-25 | 1990-10-31 | Spectra-Physics, Inc. | Method and apparatus for estimation of parameters describing chromatographic peaks |
JPH05322870A (ja) * | 1992-05-19 | 1993-12-07 | Hitachi Ltd | クロマトグラフ装置 |
US5436166A (en) * | 1991-02-18 | 1995-07-25 | Hitachi, Ltd. | Method of and apparatus for performing chromatography analysis of unknown sample |
JPH09264889A (ja) * | 1996-03-28 | 1997-10-07 | Tosoh Corp | 液体クロマトグラフィーを用いた糖化ヘモグロビン測定装置のデータ処理方法 |
US5905192A (en) * | 1997-07-23 | 1999-05-18 | Hewlett-Packard Company | Method for identification of chromatographic peaks |
DE4244962B4 (de) * | 1991-02-18 | 2004-04-15 | Hitachi, Ltd. | Gerät zum Durchführen einer Chromatographieanalyse |
CN101256177A (zh) * | 2007-11-21 | 2008-09-03 | 皖南医学院 | 中药数字化色谱指纹谱相似度评价系统 |
WO2012082427A1 (en) * | 2010-12-16 | 2012-06-21 | Thermo Finnigan Llc | Correlating precursor and product ions in all-ions fragmentation |
WO2012164946A1 (ja) * | 2011-06-01 | 2012-12-06 | 株式会社ツムラ | パターンの評価方法、多成分物質の評価方法、評価プログラム、及び評価装置 |
CN103293257A (zh) * | 2013-05-16 | 2013-09-11 | 云南烟草科学研究院 | 一种卷烟烟气色谱数据保留时间漂移mwfft校准方法 |
CN104422745A (zh) * | 2013-09-02 | 2015-03-18 | 中国石油天然气股份有限公司 | 用于进行样品分析的测试方法、测试装置和测试设备 |
WO2017195522A1 (ja) * | 2016-05-11 | 2017-11-16 | 東ソー株式会社 | 糖化ヘモグロビンの測定方法及び糖化ヘモグロビン測定装置 |
CN107976494A (zh) * | 2017-11-10 | 2018-05-01 | 安徽安科余良卿药业有限公司 | 康肤酊标准特征图谱的构建及其质量检测方法 |
CN108061776A (zh) * | 2016-11-08 | 2018-05-22 | 中国科学院大连化学物理研究所 | 一种用于液相色谱-质谱的代谢组学数据峰匹配方法 |
CN108535403A (zh) * | 2018-04-17 | 2018-09-14 | 西南大学 | 数据处理的方法及装置 |
CN109001354A (zh) * | 2018-05-30 | 2018-12-14 | 迈克医疗电子有限公司 | 波峰识别方法和装置、色谱分析仪及存储介质 |
CN109477814A (zh) * | 2016-07-08 | 2019-03-15 | 株式会社岛津制作所 | 色谱质谱分析用数据处理装置 |
CN109781917A (zh) * | 2017-11-14 | 2019-05-21 | 中国科学院大连化学物理研究所 | 一种基于分子地图的生物样本智能识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003095978A2 (en) * | 2002-05-09 | 2003-11-20 | Surromed, Inc. | Methods for time-alignment of liquid chromatography-mass spectrometry data |
US9500629B2 (en) * | 2012-11-05 | 2016-11-22 | Shimadzu Corporation | Chromatogram data processing method and device |
-
2021
- 2021-03-24 CN CN202110315289.6A patent/CN113237985B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395481A2 (en) * | 1989-04-25 | 1990-10-31 | Spectra-Physics, Inc. | Method and apparatus for estimation of parameters describing chromatographic peaks |
US5436166A (en) * | 1991-02-18 | 1995-07-25 | Hitachi, Ltd. | Method of and apparatus for performing chromatography analysis of unknown sample |
DE4244962B4 (de) * | 1991-02-18 | 2004-04-15 | Hitachi, Ltd. | Gerät zum Durchführen einer Chromatographieanalyse |
JPH05322870A (ja) * | 1992-05-19 | 1993-12-07 | Hitachi Ltd | クロマトグラフ装置 |
JPH09264889A (ja) * | 1996-03-28 | 1997-10-07 | Tosoh Corp | 液体クロマトグラフィーを用いた糖化ヘモグロビン測定装置のデータ処理方法 |
US5905192A (en) * | 1997-07-23 | 1999-05-18 | Hewlett-Packard Company | Method for identification of chromatographic peaks |
CN101256177A (zh) * | 2007-11-21 | 2008-09-03 | 皖南医学院 | 中药数字化色谱指纹谱相似度评价系统 |
WO2012082427A1 (en) * | 2010-12-16 | 2012-06-21 | Thermo Finnigan Llc | Correlating precursor and product ions in all-ions fragmentation |
WO2012164946A1 (ja) * | 2011-06-01 | 2012-12-06 | 株式会社ツムラ | パターンの評価方法、多成分物質の評価方法、評価プログラム、及び評価装置 |
CN103293257A (zh) * | 2013-05-16 | 2013-09-11 | 云南烟草科学研究院 | 一种卷烟烟气色谱数据保留时间漂移mwfft校准方法 |
CN104422745A (zh) * | 2013-09-02 | 2015-03-18 | 中国石油天然气股份有限公司 | 用于进行样品分析的测试方法、测试装置和测试设备 |
WO2017195522A1 (ja) * | 2016-05-11 | 2017-11-16 | 東ソー株式会社 | 糖化ヘモグロビンの測定方法及び糖化ヘモグロビン測定装置 |
JP2017203677A (ja) * | 2016-05-11 | 2017-11-16 | 東ソー株式会社 | 糖化ヘモグロビンの測定方法及び糖化ヘモグロビン測定装置 |
CN109073616A (zh) * | 2016-05-11 | 2018-12-21 | 东曹株式会社 | 糖化血红蛋白的测定方法及糖化血红蛋白测定装置 |
CN109477814A (zh) * | 2016-07-08 | 2019-03-15 | 株式会社岛津制作所 | 色谱质谱分析用数据处理装置 |
CN108061776A (zh) * | 2016-11-08 | 2018-05-22 | 中国科学院大连化学物理研究所 | 一种用于液相色谱-质谱的代谢组学数据峰匹配方法 |
CN107976494A (zh) * | 2017-11-10 | 2018-05-01 | 安徽安科余良卿药业有限公司 | 康肤酊标准特征图谱的构建及其质量检测方法 |
CN109781917A (zh) * | 2017-11-14 | 2019-05-21 | 中国科学院大连化学物理研究所 | 一种基于分子地图的生物样本智能识别方法 |
CN108535403A (zh) * | 2018-04-17 | 2018-09-14 | 西南大学 | 数据处理的方法及装置 |
CN109001354A (zh) * | 2018-05-30 | 2018-12-14 | 迈克医疗电子有限公司 | 波峰识别方法和装置、色谱分析仪及存储介质 |
Non-Patent Citations (1)
Title |
---|
涂佳丽 等.基于液相色谱的糖化血红蛋白浓度的检测.微计算机信息.2011,第27卷(第05期),97-99. * |
Also Published As
Publication number | Publication date |
---|---|
CN113237985A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Desimoni et al. | About estimating the limit of detection by the signal to noise approach | |
CN108362662B (zh) | 近红外光谱相似度计算方法、装置和物质定性分析系统 | |
US20040195500A1 (en) | Mass spectrometry data analysis techniques | |
CN114372063B (zh) | 一种基于色谱仪的故障检测方法及电子设备 | |
US20050273275A1 (en) | Method and system for profiling biological systems | |
US7991569B2 (en) | Mobility normalizer, normalizing method, normalizing program, self-organized map, substance detecting method, detecting program, detection rule creating method, and data structure | |
JPH06508440A (ja) | 血糖測定用近赤外線装置の一般較正を行う方法 | |
Morris et al. | Pinnacle: a fast, automatic and accurate method for detecting and quantifying protein spots in 2-dimensional gel electrophoresis data | |
JP2006267111A (ja) | スペクトル、特にnmrスペクトルのセットをプロセッシングする方法 | |
Vogl et al. | Evaluation of dilution and normalization strategies to correct for urinary output in HPLC-HRTOFMS metabolomics | |
CN113588847B (zh) | 一种生物代谢组学数据处理方法、分析方法及装置和应用 | |
CN115691722A (zh) | 医疗数据检测的质控方法、装置、设备、介质及程序产品 | |
CN113237985B (zh) | 血红蛋白中组分类型的确定方法、装置和计算机设备 | |
WO2007092575A2 (en) | A two-step method to align three dimensional lc-ms chromatographic surfaces | |
CN109856310B (zh) | 基于hplc-ms的去除代谢物离子峰表中假阳性质谱特征的方法 | |
CN117747106A (zh) | 一种高血压人群脑卒中风险预测模型的构建方法及系统 | |
US11062891B2 (en) | Evaluation of complex mass spectrometry data from biological samples | |
US8031925B2 (en) | Method and computer-program product for detecting and quantifying protein spots | |
KR102333499B1 (ko) | 대사체 분석을 이용한 류마티스 관절염 중증도 예측 또는 구분용 바이오마커 | |
CN109001354B (zh) | 波峰识别方法和装置、色谱分析仪及存储介质 | |
Laursen et al. | Enhanced monitoring of biopharmaceutical product purity using liquid chromatography–mass spectrometry | |
CN114577953B (zh) | 一种基于高效液相色谱法的饲料添加剂测定方法及系统 | |
KR102447238B1 (ko) | N-연결형 및 o-연결형 당펩티드 통합 분석 방법 및 분석장치 | |
CN109946467B (zh) | 一种用于胸椎黄韧带骨化诊断的生物标记物 | |
US20210262992A1 (en) | Techniques for acquisition-stage peak width determination and baseline offset estimation |
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 |