CN114577966B - 一种mscc结合调制峰归类的gc×gc指纹快速比较方法 - Google Patents

Abstract

本发明属于全二维气相色谱分析技术领域，具体地，涉及一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，所述指纹数据来源于全二维气相色谱(GC×GC)‑质谱(MS)联用仪器，包括调制峰归类和多组分光谱相关色谱(MSCC)比较两个步骤。可用于：多组GC×GC指纹的重要差异成分的识别。所述方案通过：1)参考样本与测试样本的规范化提取与测试；2)指纹截取；3)预处理和峰检测；4)按本发明进行调制峰归类；5)按本发明将各峰组的typical峰通过MSCC投影到另一指纹中获取投影图；6)参考样本与测试样本的组分差异展现；7)差异组分的鉴定。所述方案在规范的预处理和仪器测试前提下，运行快速，结果可靠。

Description

一种MSCC结合调制峰归类的GC×GC指纹快速比较方法

技术领域

本发明属于全二维气相色谱分析技术领域，具体地，涉及一种MSCC结合调制峰归类的GC×GC指纹快速比较方法。

背景技术

全二维气相色谱-质谱联用(GC×GC-MS)是一种新型分离分析技术，它将第一维(¹D)色谱柱的流出物质重进样到第二维(²D)色谱柱中进行再次分离，继而进行质谱检测，解决了传统一维气相色谱在分离复杂样品时峰容量不足的问题。在这个分离系统中，²D调制峰矩阵在¹D方向上按一定调制周期叠加形成GC×GC三维(3D)数阵，研究者能从独立的3D峰中获取准确的定性和定量信息。因而，GC×GC-MS被广泛用于中药、石油、烟草等复杂样品，获取几百种甚至更多化合物的化学信息。目前，已有商业软件提供了两组或多组样品的视图比较，但结果的直观性和正确性需要进一步加强。梁逸曾等提出了光谱相关色谱，利用液相色谱-二极管阵列检测器联用(LC-DAD)、气相色谱-质谱联用(GC-MS)和液相色谱-质谱联用(LC-MS)等仪器中光谱和色谱两方面的信息，识别不同中药指纹的相关成分。胡芸等基于正交投影理论，提出了多组分光谱相关色谱(MSCC)，它可直接判断不同类中药在相同实验条件下的二阶色谱指纹中是否含有相关组分。针对GC×GC指纹的组间比较，曾仲大等也采用MSCC对多组GC×GC-TOFMS数据进行了相关性判断。然而，相邻调制周期间的同一或多个组分的²D调制峰(峰簇)相互搀杂，使得MSCC计算牵涉到所有调制峰，产生许多重复性操作。另外，使用人工比较方案，需要成分鉴定后再逐一比对，耗时耗力。因此，在进行指纹MSCC成对比较之前，子矩阵调制峰归类方法需应用在复杂体系的GC×GC-MS数阵。最重要的是，在进行中药、石油、烟草等复杂样品GC×GC指纹快速比较前，应该有规范的样品预处理和测试流程，并使准确的结果直观呈现。

在本发明中，在同一实验条件下测试的多组GC×GC数据，进行²D调制峰智能归类，选取各峰组代表(typical)峰，通过MSCC方法将其投影在另一指纹中得到投影图，获取相关性和不相关性成分信息，实现中药、石油、烟草或生物样品的组间精细比较。

发明内容

本发明的目的是突破GC×GC-MS数据结构复杂的瓶颈，通过本发明，能够准确实现复杂样品GC×GC指纹的快速比较，便于进行下一步的关键成分识别。

本发明是GC×GC指纹的快速比较方法，适合于GC×GC-qMS数据，也适用于GC×GC-TOF MS数据。主要涉及两层次：子矩阵调制峰智能归类、MSCC比较。

本发明的GC×GC-MS指纹比较方法如下：

(1)样本测试：①用规范化的程序获得参考样本与测试样本特征性成分提取物，它的组成和结构要能真正代表这种样本的挥发性或半挥发性成分；②成分提取物如为固体，应称取等量参考样本与测试样本于顶空瓶内，进行顶空固相微萃取(HS/SPME)吸附，再进行GC×GC测试，并做方法学考察，使GC×GC峰分离尽可能完全、强度合适、分布合理；③成分提取物如为液体，应使用等倍体积正己烷稀释参考样本与测试样本，适量进样，优化色谱柱集和调制器型号，使GC×GC峰分离尽可能完全、强度合适、分布合理。以上测试数据应重现性好、特征性强。

(2)参考样本与测试样本指纹截取：测试结束，将GC×GC-qMS或GC×GC-TOF MS原始数据保存。通过一些公用程序将现有指纹格式转换为一种新格式，可读取为“2D切片的平铺矩阵”，本发明中采用的例子在Matlab软件中实施。①如需比较整段数据，不需要截断原始数据；②如需比较局部数据，则需要截取参考样本与测试样本同区域的子数阵。

(3)“2D切片平铺集”的预处理：在GC×GC原始数据中，可以使用已有软件包中的程序进行“2D切片平铺集”的基线校正、背景扣除和峰检测。本发明使用的例子中采用了Haar函数为小波母函数的连续小波变换(Haar CWT)进行峰位置和峰宽计算。

质谱仪在检测参考样本与测试样本时，采样频率应该设置一致，如qMS设置为50Hz，TOFMS设置为100Hz等。如果参考样本与测试样本的GC×GC指纹有细微的仪器采集频率差异(如设置为100Hz，两指纹的实际频率为99.5和99.6Hz)，则需要对参考样本与测试样本指纹进行等距化处理。

(4)²D调制峰智能归类：

本专利的调制峰归类可采用①+②方案，或采用①+②+③方案，或采用①+②+④方案。

①²D调制峰保留时间限制：将原始数阵转换为“2D切片平铺集”后，同类/不同类调制峰在“2D切片平铺集”中相互交错的现象会使人工识别耗时耗力。在本发明中，约束调制峰归类的第一个限制为²D峰顶点保留时间差。理论上，各“2D切片”中的调制峰顶点如相同(图1a)，则归为相同峰组；若不同则归为下一个峰组。然而在实际复杂样品测试中，重叠峰簇存在多个峰顶点，且不同¹D流出点(对应各“2D切片”)的成分浓度呈现规律性变化，这就会使不同切片中²D峰顶点检测结果易产生错误(图1b-e)。因此，我们除计算峰顶点的保留时间差之外，还增加了峰起点或峰终点的时间差计算。图1b、1c是峰终点时间差相同的顶点情况；图1d、1e是峰起点时间差相同的顶点情况。通过顶点、起点、终点的三种时间差限制，将²D轴保留时间差相同的调制峰归类到一个峰组。在实际的GC×GC测试中，仪器自身或者其它不理想操作会使相邻调制峰在²D轴上产生保留时间漂移现象。因此，本专利将这些时间差设置了一个阈值，小于这个阈值则归类到一个峰组；超过这个阈值，则不归类，如图1f，1g所示。

②¹D剖面色谱峰形限制：在①条件限制后，我们把相邻2D切片内同一²D保留时间的信号峰归为一类。但是，¹D色谱柱在相邻时间内洗脱出很多理化性质相似的组分，而某些组分又无法在²D色谱柱内展现出不同的保留行为。因此，经过①条件限制后归类的调制峰并不一定全属于同一组分，仍需要进行二次限制归类。在本发明中，我们通过单模态准则探究了二次分类法：在¹D方向，如只有一个化合物流出，理论色谱峰剖面应仅显示一个最大峰值，信号强度呈现出由低到高再到低的峰状；同理，一个化合物经过调制周期后相邻²D信号最大响应值，也应该在¹D方向上呈现由低到高再到低的峰状。

本发明计算一次归类好的调制峰子矩阵的峰顶点，形成峰顶子矩阵，然后通过求导的方式来获取峰顶点子矩阵的极值。除了起点，每一个极小值点也可为一个峰/峰的分界点，即得到不同的感兴趣组分的归类。在每一个峰组中，只能允许存在一个极大值峰(峰顶点)。如图2所示，a-i为一次限制分类后得到的一个峰组，内含九个峰簇；在二次限制分类中，将其峰顶点收集到一个矩阵内，求导，极小值(峰/峰交界)为d，g，则该峰组分为a-c、d-f、g-i三个峰组。

③质谱相似度计算：经过两次限制后归类的一类色谱峰(峰簇)，可以通过各“2D切片”调制峰质谱信息相关性再次确认各²D调制峰间是否为共有组分。对于共流现象少的指纹，可以采用质谱相似度。

④基于移动窗口和调制峰质谱信息的特征值计算：尽管GC×GC系统有很高的峰容量，但各“2D切片”的²D调制峰依然出现共流现象。在这些峰簇中，重叠或包埋现象会使各采样点的质谱信息存在差异，因此在进行各调制峰质谱信息相关性研究时，不能采用质谱相似度作为评价方法。如图3所示，SFA中的特征值在本发明中被用来判断两矩阵的质谱拟合程度，在有干扰峰的影响下也能很好地识别出是否含有共有组分。在这个方案中，两个子矩阵窗口被选择用于一次的相关性比较，Y是基矩阵，用来确定感兴趣组分的化学信息；X是目标矩阵，用于搜索感兴趣组分。通过特征值d_k可以用来判断X和Y子矩阵之间质谱信息相关性，并得到相关目标组分的共有组分秩图，清晰地知道目标矩阵中是否含有基矩阵中包含的化学信息。

(5)两组指纹中各调制峰组的MSCC比较：在本发明中，MSCC计算没有涉及GC×GC指纹中的所有²D调制峰。而是选取(3)中智能归类各峰组的代表(typical)峰，再通过MSCC将其投影到另一指纹中得到投影图，最终获取两组指纹的相关组分与不相关组分信息。

多组分质谱相关色谱的基本思想是利用主成分分析估计色谱指纹的局部峰簇的组分数，同时获取该峰簇所包含的化学成分的关键色谱或质谱，再由关键光谱构建一个正交投影矩阵对另一指纹数据的质谱作投影运算，根据残差阵的大小判断不同色谱指纹中峰簇的相关性。

设X1与X2分别表示两个色谱指纹矩阵，行方向表示色谱的流出信息，列方向表示质谱信息。X_cluster1表示X1中的目标组分色谱峰簇，估计X_cluster1的组分数n，并由奇异值分解可算出该色谱峰簇的抽象质谱阵V:

X_cluster1＝U₁S₁V₁ ^T+E

式中U包含有X_cluster1的组分流出色谱信息，S为对角矩阵，E为误差阵，上标T表示矩阵的转置。依次选取V矩阵中前n个“主成分”质谱组成关键质谱矩阵Vn，用Vn构建一正交投影矩阵P：

其中I为单位矩阵，用矩阵P对X2沿色谱方向的每一质谱矢量进行投影运算：

表示X2的第j条质谱，/>为/>投影后的残差质谱，m为最大色谱的保留时间点。若指纹图谱X2的流出色谱组分与X_cluster1的流出色谱组分完全相同，则其对应的质谱经投影运算后，从纯数学的角度看，所得残差质谱/>为0矢量，对其求模后应为零，即其欧氏范数为0：

但是，由于实际的仪器操作受噪声或实验误差等因素的干扰，尤其是不等性噪声存在时，使得投影质谱矢量远离数学意义上的零向量。为消除不等性噪声的影响，将投影后所得的残余质谱与投影前的原始质谱的内积作为数据与中所含组分是否一致的判据，即：

由于投影矩阵P扣除了原始质谱中与关键质谱V相关的信息，而残余质谱/>则保留了/>与V不相关的信息。因此，resi值越小，说明经投影所得的残余质谱/>与投影前的原始质谱/>的夹角越大，/>与/>完全正交，即两矩阵质谱信息相关。反之，resi值越大，说明经投影所得的残余质谱/>与投影前的原始质谱/>的夹角越大，矩阵投影运算并没有完全扣除矩阵中所有的质谱特征，/>与/>质谱信息相关。通过对色谱X2中所有m个质谱得到的resi值作图，可以得到一条表征数据中组分在色谱流出方向上与中组分的相互关系的曲线，以判断两矩阵组分有无相关。

(6)参考样本与测试样本指纹的组分差异展现：在2D视图中，可以采用一些方案使组分差异信息清晰地展现。在本说明书例子中，参考样本与测试样本指纹的相关组分用‘O’表示，而不相关组分用红色‘X’展现。

(7)参考样本与测试样本指纹的差异性组分鉴定：在参考样本与测试样本指纹中，有些差异性组分往往是重要的标记物。如中药，气候、基因、土壤、工艺、储存等均会引起不同样本的组分差异性。因此，鉴定这些标记物是重要的工作内容。①在常规方案中，可以采用峰信息进行保留指数匹配和质谱相似性搜索等；②针对共流现象，可采用‘数学分离’方案补充，如三线性分解和多元曲线分辨等；③购买对照品，同等实验条件下进行GC×GC测试，对重要的标记物进行鉴定。

相较于现有技术，本发明提供的GC×GC指纹快速比较的方法具有以下有益效果：

1、以规范化的GC×GC指纹为数据来源，本发明的比较结果能准确反映参考样本与测试样本的相似性和不同性。

2、以真实复杂的GC×GC-qMS和GC×GC-TOF MS指纹为例，本发明能快速比较多组指纹，并使组分差异直观呈现，再进行化合物鉴定，能寻找到一些标记物。

3、在相同的GC×GC实验参数下，本发明提供的方法能快速地比较不同样本的色谱指纹，既包括整体比较又包括局部比较。

附图说明

图1“2D切片”中²D调制峰保留时间限制

图2“2D切片”的¹D剖面峰形限制

图3基于移动窗口和“2D切片”调制峰质谱信息的特征值计算

图4表示SS、XS的HS/SPME-GC×GC–TOF-MS三维图。

图5表示(a)SS的HS/SPME-GC×GC–TOF-MS二维图；

(b)XS的HS/SPME-GC×GC–TOF-MS二维图；

(c)以SS为参考指纹，XS的比较结果；

(d)以XS为参考指纹，SS的比较结果。

图6表示不同来源的CSS进行HS/SPME-GC×GC–TOF-MS测试，调制峰归类后，两个指纹进行MSCC比较。

图7表示CSS精油与XF精油进行GC×GC–qMS测试，调制峰归类后，相互进行MSCC比较。

图8表示CSS精油与XF精油的真实GC×GC-qMS数据(¹D:56.295-56.715min；²D:0-5s)，进行调制峰归类和MSCC比较，并进行峰解析。

图9表示一个基于Matlab运行环境的ICMP-MSCC界面图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件或按照制造厂商所建议的条件。除非另外说明，否则所有的百分数、比率、比例或份数按重量计。

除非另行定义，文中所使用的所有专业与科学用语与本领域熟练人员所熟悉的意义相同。此外，任何与所记载内容相似或均等的方法及材料皆可应用于本发明方法中。文中所述的较佳实施方法与材料仅作示范之用。

实施例1比较四逆散、逍遥散两种方剂的HS/SPME-GC×GC-TOF-MS剪切数据

HS/SPME条件：两种方剂1.0g粉末分别加入至20mL顶空瓶中，然后使用PDMS/CAR/DVB纤维头在70℃下暴露60min。

GC条件：Agilent GC系统：DB-WAX(30m×0.25mm×0.25um)+DB-17MS(1.195m×0.25mm×0.15um)，SSM1810调制器(雪景科技,中国)。PDMS/CAR/DVB纤维头在进样口(温度：250℃)解析3分钟。升温程序：40℃(保持5min)，以3℃/min升温至235℃。冷制温度设置为-51℃，调制周期设置为4s。

MS条件：EI-0610TOF-MS(广州禾信仪器股份有限公司)，离子源温度：235℃；传质管温度250℃；电离电压-70V；质量数范围：m/z 41-400amu；检测器电压-1850V；采样频率：100spectra/s。

中药成分种类繁多、结构复杂，使用一维色谱难以完全分离方剂中所有的化学成分。为解决峰容量不足的问题，GC×GC技术被用于中药方剂等复杂样品的整体化学成分研究。不同方剂包含多种药材，其化学成分具有相似性，也具有差异性，从而功效也有所差异。本发明以四逆散(SS)、逍遥散(XS)为例，结合子矩阵调制峰归类和MSCC比较，探究这些方剂GC×GC指纹的差异组分。

图4为SS、XS两种中药方剂的GC×GC–TOF-MS三维图。

图5(a-b)为SS、XS两种中药方剂的GC×GC–TOF-MS的二维视图，由于这些方剂含有的组分过于复杂，通过数据库检索，人工确定两组指纹的相关性并不容易。因此，本发明结合调制峰归类和MSCC比较，并在SS与XS的剪切数据中进行论证。如图5(a)所示，ICMP在SS数据中自动找到153个峰，并对每种化合物的²D调制峰进行归类，共计57个峰组，每个峰组至少代表一个感兴趣的不同化合物。选取这些峰组内信号强度最高的调制峰为typical峰，使之代表感兴趣的目标分析物，并使用MSCC与XS方剂的色谱指纹比较。例如，SS数据中1号峰组的第三个峰被选择为typical峰，其峰起点与峰终点之间被作为目标分析物矩阵X1。由于同一组分在同一根色谱柱中具有相似的保留行为，SS数据中1号峰组的第一个调制峰的峰起点与最后一个峰的峰终点所对应的XS数据中的保留时间间隔为搜索矩阵Y1。同时，在两边各拓展10个调制周期的扫描点数(4000)，以此作为搜索拓展矩阵。这个参数可以自主调节，拓展矩阵越小则搜索范围越小，运行速度更快，但搜索结果难以保证准确；如果拓展矩阵过大，则运行速度变慢。由于¹D峰在²D分离中常被分割为1～20个调制峰，即最大的范围为8000个左右的扫描点，拓展矩阵加搜索矩阵只要保证大于这个范围，即可保证运行效果。例如，选取SS数据中第57个峰组中的typical峰作为目标矩阵，在XS数据中的搜索矩阵与拓展矩阵中检索，即可得到SS数据对于XS数据的相关组分与不相关组分。相反，换位搜索就可得到XS数据对于SS数据的相关组分与不相关组分信息。

图5(c-d)的结果中，SS数据1号峰组的typical峰在相对应的XS相同保留时间区域，测出有相关性组分。在图3中，为了验证该计算结果是否准确，MSCC投影后残余质谱与投影前原始质谱的内积曲线(resi)被示出。本专利设置该阈值为0.05，如有小于该resi阈值的部分，则表示该保留时间区域所对应的组分与目标分析物相关。相反，resi曲线的值没有小于阈值0.05的部分，就说明两个样品在该区域不相关。作为例子，SS数据2号峰组所对应的typical峰与XS数据的相同保留时间区域峰进行了相关性比较。结果表明，resi曲线的值没有小于阈值0.05的部分，两区域的质谱具有许多不同的信息，SS的2号峰与XS不相关。

最终，两种方剂的相关性与差异性能很明显的展示在图5(c-d)上，相关性组分用‘O’表示，不相关性组分用‘X’表示。

两种方剂的相关性与差异性组分已在NIST库中通过质谱相似度和保留指数进行匹配，并已购买苍术酮等对照品进行鉴定。

实施例2比较不同来源柴胡疏肝散方剂的HS/SPME-GC×GC-TOF-MS整段数据

HS/SPME条件：1.0g方剂粉末加至一个20mL小瓶，然后将PDMS/CAR/DVB纤维头在70℃下暴露60min。

GC条件：Agilent GC系统：DB-WAX(30m×0.25mm×0.25um)+DB-17MS(1.195m×0.25mm×0.15um)，SSM1810调制器(雪景科技,中国)。PDMS/CAR/DVB纤维头在进样口(温度：250℃)解析3分钟。升温程序：40℃(保持5min)，以3℃/min升温至235℃。冷制温度设置为-51℃，调制周期设置为4s。

MS条件：EI-0610TOF-MS(广州禾信仪器股份有限公司)，离子源温度：235℃；传质管温度250℃；电离电压-70V；质量数范围：m/z 41-400amu；检测器电压-1850V；采样频率：100spectra/s。

本实施例以不同来源柴胡疏肝散(CSS)的HS/SPME-GC×GC-TOF-MS数据进行了说明。“道地”是指环境、气候、栽培、加工等因素对中草药的品质和功效起着关键性的作用。从不同地方收集的中药方剂，其化学成分既有相同之处，也有不同之处。本实验的CSS(由七味中药组成)分别调配于湖南省和湖北省的两家医院。采用HS/SPME-GC×GC-TOF-MS测试其挥发性/半挥发性成分后，采用本发明对两组指纹进行了快速比较。如图6所示，两组原始数据表明：CSS挥发性成分非常复杂，主要来源于川芎、香附、陈皮。因为组分过于复杂，传统的人工比较将花费大量的时间和精力。使用本发明，能在几分钟内快速对所有调制峰进行智能归类。为避免峰数目过多妨碍观察，SNR设置为100。在图6中，数百个峰群被归类，并用不同颜色的圆圈进行标记。接下来，MSCC被用来展现两个指纹之间的相似性和差异性。以65号峰组为例(来自湖南省样本)，选取第二个typical峰作为代表矩阵X1。在另一个数据集(来自湖北省样本)中搜索同一区域，并在搜索矩阵Y1的两侧展开10个调制周期(可自主调整)为拓展矩阵。接着，计算了剩余质谱与原始谱之间的resi曲线。如果曲线中的值小于阈值(0.05)，则相应区域被视为与参考指纹高度相关。相反，如图6中的26号峰组，两个样品在该区域不相关。为了便于观察，两个样品的相关和不相关组分在二维视图中用符号“O”和“X”表示。结果表明，湖北省的样本与湖南省的样本比较，二维视图中的“X”较少，而“O”较多。相反，如果用湖南省的样本比较湖北省的样本，也展示出相似的符号群。这说明，我们收集的两个样本在挥发性成分群的差异较小。

实施例3比较柴胡疏肝散方剂和香附药材的GC×GC-qMS整段数据

GC条件：QP2010 Ultra GC(Shimadzu,Japan)，Rtx-5Sil MS(30m×0.25mm×0.25um)+BPX-50(2.5m×0.1mm×0.1um)，ZX-1调制器(ZOEX公司,美国)。升温程序：40℃(保持5min)，以2℃/min升温至240℃。热喷300℃持续350ms，冷喷流速为10L/min或6L/min，调制周期设置为5s。

qMS条件：进样口温度280℃；界面温度：240℃；离子源温度：200℃；电离电压-70V；质量数范围：m/z 41-400amu；最终将稀释10倍的样品以不同的量和分流比(1μL,1:20；1μL,1:30；0.4μL,1:30)进样。

中药方剂柴胡疏肝散(CSS)由柴胡、白芍、香附(XF)、川芎等七种中药组成。也就是说，中药方剂和单味药材的指纹图谱会表现出相似性和差异性。在图7中，对柴胡疏肝散(1μl，分流比1:30)、CSS(0.4μl，分流比1:30)和XF(1μl，分流比1:30)三组GC×GC指纹进行了比较。在这些堆积了复杂峰簇的原始指纹间进行比较，需要花费大量的时间和精力。首先，对近700个峰组进行了调制峰归类，并用不同颜色的圆圈进行了标记。然后，使用MSCC比较两组指纹不同峰组中的代表峰。以第88峰组为例，选取第二个typical峰作为代表性矩阵X1。并将另一组指纹同一位置附近的10个调制周期(由用户调整)视为另一数据集中的搜索+拓展矩阵Y1。在MSCC计算后，利用resi曲线判断两组数据之间的相关性。如果数值高于阈值0.1，则该区域内的质谱(来自两个样本)不相关，用红色符号“X”表示。相反，该区域内的质谱相关，相关组件在二维视图中用符号“O”表示。如图7所示，三组指纹成对比较，结果良好。当比较两组相同的指纹时，图7(A)中的所有峰都显示出高度相似性。而当比较两组不同进样量的指纹时，图7(B)中的大部分成分表现出高度相似性。因为仪器采集指纹过程中产生了低信噪比峰或噪声，所以两组指纹在MSCC比较时也会有细微的差异。而当XF的GC×GC指纹与CSS指纹进行比较时，图7(C)中出现了许多差异(红色的“X”表示)。为了更好地了解这一计算结果，在图7(B)和(C)旁分别放置了一些局部放大图，证明CSS与XF的挥发性成分有明显的相似性和差异性。

如图8所示，使用子阵列(¹D:56.295-56.715min；²D:0-5s)作为例子来验证结果和鉴定相关成分。当信噪比设为20时，原始指纹中的所有峰甚至包括弱峰都能被准确地分类；而当信噪比设为100时，原始指纹中的冗余峰会去除，只展现强度高的峰。紧接着，用XF指纹对比CSS指纹该区域，结果表明只有第2峰组呈现在XF指纹中。在GC×GC软件中观察，这些峰曲线平滑，没有共洗脱现象。因而，获取的质谱数据和实验保留指数将被利用在NIST库中来匹配化合物。然而，一个“二维切片”集的秩运算可测出子矩阵中共洗脱组分的数量。也就是，图8中的A1和A2没有被GC×GC完全分离，需要继续使用‘数学分离’方案。在图8中，A1和A2被ATLD、APTLD和PARAFAC2解析，它们在NIST库中被匹配为Cyprotene和Cypera-2,4-diene异构体。继而用从香附提取物中分离的Cyprotene鉴定了A1化合物。

柴胡疏肝散方剂和香附药材的相关性与差异性组分已在NIST库中通过质谱相似度和保留指数进行匹配，并已购买藁本内酯等对照品进行了鉴定。

实施例4一种基于三层限制的调制峰归类(ICMP)和MSCC组合成ICMP-MSCC程序

如图9，为Matlab环境的ICMP-MSCC界面，运行速度快，结果准确。

Claims (5)

1.一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，其特征在于：

规范化指纹来源于复杂样品的GC×GC数据，其中包括调制峰归类和MSCC比较两个主要步骤；

MSCC结合调制峰归类的GC×GC指纹快速比较方法步骤如下：

(1)样本规范化测试：如为固体，应称取等量参考样本与测试样本于顶空瓶中，进行HS/SPME吸附；如为液体，应使用等倍体积正己烷稀释参考样本与对照样本；取适量进样，优化色谱柱集和调制器型号，优化质谱仪器参数，使GC×GC峰分离尽可能完全、强度合适、分布合理，所获得的测试数据应重现性好、特征性强和代表性好；

(2)参考样本与测试样本指纹截取：如需比较整段数据，不需要截断原始数据；②如需比较局部数据，则需要截取参考样本与测试样本同区域的子数阵；

(3)“2D切片平铺集”的预处理和峰检测；

(4)²D调制峰智能归类：采用①+②方案或采用①+②+③方案，或采用①+②+④方案；

①²D调制峰保留时间限制：除了峰顶点时间差外，也可增加峰起点或峰终点的时间差作为限制；

②¹D剖面色谱峰形限制：每一个峰组中只能允许存在一个极大值；

③质谱相似度计算；

④基于移动窗口和调制峰质谱信息的特征值计算：子窗口因子分析法中特征值计算被用来判断两矩阵的质谱拟合程度，在有干扰峰的影响下也能很好地识别出是否含有共有组分；

(5)两组指纹中各调制峰组的MSCC比较：其中，MSCC没有涉及GC×GC-MS指纹中的所有²D调制峰，而是选取(4)中智能归类各峰组的代表typical峰，再通过MSCC将其投影到另一指纹中得到投影图，最终获取两组指纹的相关组分与不相关组分信息；

(6)参考样本与测试样本指纹的组分差异展现；

(7)参考样本与测试样本GC×GC指纹的差异性组分识别，除使用数据库匹配外，购买对照品在同一实验条件下测试并鉴定。

2.根据权利要求1所述的一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，其特征在于，适用于极复杂样本在规范实验条件下测试的GC×GC-qMS或GC×GC-TOFMS指纹，既可以进行不同样本的整体比较，又可以进行指纹的局部比较。

3.根据权利要求1所述的一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，其特征在于，所述MSCC比较，指的是参考指纹中各峰组的typical峰，通过MSCC将其投影到另一指纹中获取投影图，从而判断两个指纹的相关性。

4.根据权利要求1所述的一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，其特征在于，GC×GC指纹比较的差异性组分，在经过数据库检索和对照品实验测试后，可获取标记物信息。

5.权利要求1所述的一种MSCC结合调制峰归类的GC×GC指纹快速比较方法，其特征在于，用于中药、食品、烟草和石油复杂样品中挥发性/半挥发性成分的组间比较。