CN116106396B - 质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪 - Google Patents

Abstract

本申请公开了一种质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪，涉及质谱分析技术领域，包括：获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。通过本申请的技术方案，可以降低不同次质谱检测间差异，使质谱数据更具可比性。

Description

质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪

技术领域

本发明涉及质谱分析技术领域，特别涉及一种质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪。

背景技术

近年来质谱技术发展迅速，随着质谱技术的发展，质谱技术的应用领域也越来越广。质谱（Mass Spectroscopy，MS）可以使生物样品离子化并测量所得分子的质荷比（m/z），由于质谱分析具有灵敏度高，分析速度快，样品用量少，分离和鉴定同时进行等优点，因此质谱技术广泛的应用于各个研究领域，包括化学、生物化学、药学、医学以及许多相关的科学领域。然而，针对m/z值的测量强度仅表示相对于彼此的相对值，并且这些仅在单一的质谱图中是可比较的，当涉及到多次检测叠加各次检测复杂的解吸和电离过程时，意味着即使是同一个样本的生物分子信号在多个质谱检测数据之间的绝对强度测量的差异很大，因此在分析质谱数据做进一步的评估之前，通常需要对质谱数据进行归一化或校正处理。然而，各个质谱图的强度变化水平在不同质荷比区域之间存在显著差异，当前归一化算法无法充分补偿这些差异，例如中值归一化，通过全谱的平均强度确定公共因子，无法补偿体现在不同质荷比区域的差异，无法建立质谱图强度和质荷比之间的相关关系；另外，直接根据质荷比区域指定几个相同宽度的子区间进行进一步归一化也无法达到全谱精细拟合动态校正的补偿效果。

综上，如何建立质谱谱图强度和质荷比以及样本差异之间的关系，在质谱分析时使得它们在特定特征方面相似或可比较，降低数据本身外的差异是目前有待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪，能够建立质谱谱图强度和质荷比以及样本差异之间的关系，在质谱分析时使得它们在特定特征方面相似或可比较，降低数据本身外的差异。其具体方案如下：

第一方面，本申请公开了一种质谱数据的全谱拟合动态校正方法，包括：

获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；

对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；

根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；

基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；

基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。

可选的，所述对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵，包括：

对不同的所述样本中相同的生物分子检测信号进行聚类，以建立与所述生物分子检测信号对应的信号峰簇质荷比向量和所述信号峰簇强度矩阵。

可选的，所述根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵，包括：

确定出所述信号峰簇强度矩阵中的信号峰簇平均强度向量；

利用所述信号峰簇平均强度向量与所述信号峰簇强度矩阵中各所述样本的信号峰簇对应的信号强度的比值，建立信号峰簇强度比值矩阵。

可选的，所述基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线，包括：

将每个所述样本的信号峰簇质荷比向量与所述信号峰簇强度比值矩阵进行多项式曲线拟合或线性拟合，以建立所述样本各自的校正因子拟合曲线。

可选的，所述将每个所述样本的信号峰簇质荷比向量与所述信号峰簇强度比值矩阵进行多项式曲线拟合或线性拟合，以建立所述样本各自的校正因子拟合曲线，包括：

基于预设条件对所述信号峰簇强度比值矩阵中所述样本的离散的强度比值进行过滤剔除，以得到信号峰簇强度比值向量；

以每个所述样本的信号峰簇质荷比向量作为变量，以所述信号峰簇强度比值向量作为因变量进行多项式曲线或线性拟合，建立每个样本的校正因子拟合曲线。

可选的，所述基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据，包括：

将所述校正因子拟合曲线中的全谱质荷比作为变量，以将校正因子从与所述生物分子检测信号对应的信号峰簇扩展应用到全谱质谱数据；

将所述全谱质谱数据中的全谱信号强度与相应的校正因子相乘，进行全谱拟合动态曲线校正，以得到动态拟合的全谱校正数据。

可选的，所述的质谱数据的全谱拟合动态校正方法，还包括：

通过基质辅助激光解吸电离的飞行时间质谱仪获取所述样本的质谱数据。

第二方面，本申请公开了一种质谱数据的全谱拟合动态校正装置，包括：

数据获取模块，用于获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；

信号峰簇强度矩阵建立模块，用于对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；

信号峰簇强度比值矩阵建立模块，用于根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；

拟合曲线建立模块，用于基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；

动态校正模块，用于基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。

第三方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如前所述的质谱数据的全谱拟合动态校正方法。

第四方面，本申请公开了一种质谱仪，所述质谱仪包括控制单元；其中，所述控制单元可以加载并执行以实现如前所述的质谱数据的全谱拟合动态校正方法。

本申请中，提供了一种质谱数据的全谱拟合动态校正方法，包括：获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。可见，通过对多个样本中的各生物分子检测信号进行聚类，建立出具有部分准确性较高数据的信号峰簇强度矩阵；然后利用信号峰簇强度矩阵进一步的建立信号峰簇强度比值矩阵，当利用信号峰簇强度比值矩阵建立各样本对应的校正因子拟合曲线后，通过拟合的方式可以建立信号强度和质荷比以及样本差异三者间的关系；最后利用校正因子拟合曲线对样本的质谱数据进行全谱拟合动态校正，得到动态拟合的全谱校正数据，将质谱谱图强度和质荷比以及样本差异三者间的关系应用于全谱数据，从而尽可能降低数据本身外的差异。此外，该方法可以对所有质谱谱图进行转换，可以降低不同次质谱检测间的差异，使得质谱谱图强度与质荷比之间的相关关系在特定特征方面尽可能相似或可比较，质谱数据更具可比性。

此外，本申请提供的一种质谱数据的全谱拟合动态校正装置、质谱仪及存储介质，与上述质谱数据的全谱拟合动态校正方法对应，效果同上。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请公开的一种质谱数据的全谱拟合动态校正方法流程图；

图2为本申请公开的一种具体的全谱拟合动态校正示意图；

图3为本申请公开的一种大分子区域峰型在不同校正方法处理前后的变化示意图；

图4为本申请公开的一种中分子区域峰型在不同校正方法处理前后的变化示意图；

图5为本申请公开的一种小分子区域峰型在不同校正方法处理前后的变化示意图；

图6为本申请公开的一种平均变异系数在不同校正方法处理前后的对比示意图；

图7为本申请公开的全谱拟合动态校正和和中值归一化信号校正收益率对比示意图；

图8为本申请公开的一种质谱数据的全谱拟合动态校正装置结构示意图。

具体实施方式

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

当前，随着质谱技术的发展，质谱技术的应用领域也越来越广。在分析质谱数据做进一步的评估之前，通常需要对质谱数据进行归一化处理。然而，在不同质荷比区域，各个质谱谱图的强度水平之间存在显著差异，当前归一化算法无法充分补偿这些差异。

为此，本申请提供了一种质谱数据的全谱拟合动态校正方案，能够建立质谱谱图强度和质荷比以及样本差异之间的关系，在质谱分析时使得它们在特定特征方面相似或可比较，降低数据本身外的差异。

本发明实施例公开了一种质谱数据的全谱拟合动态校正方法，参见图1所示，该方法包括：

步骤S11：获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差。

本申请实施例中，通过基质辅助激光解吸电离的飞行时间质谱仪（MALDI-TOF-MS）获取所述样本的质谱数据，基质辅助激光解吸电离的飞行时间质谱的原理是将能吸收激光能量的基质化合物与待测样品混合形成共结晶，基质吸收能量传递给待测样品使待测样品进行离子化，离子在电场中加速飞过飞行管道，根据到达检测器的飞行时间不同而被检测出不同的质荷比(m/z)。

需要指出的是，所述质谱数据采集自生物样本的生物分子，如生物蛋白质、多肽、脂质、代谢物等。每个样本由不同的生物分子构成，其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差。通过获取的样本的质谱数据可以确定出其中不同的生物分子检测信号。

步骤S12：对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵。

可以理解的是，在不同的样本中，质谱检测的信号以质荷比（M/Z）及质谱的检测精度判断是否属于相同生物分子。因此，所述对所述生物分子检测信号进行聚类，建立信号峰簇强度矩阵，包括：对不同的所述样本中相同的生物分子检测信号进行聚类，以建立与所述生物分子检测信号对应的信号峰簇质荷比向量和所述信号峰簇强度矩阵。需要指出的是，在信号峰簇质荷比向量中，包含不同生物分子检测信号的信号峰簇质荷比。在信号峰簇强度矩阵中，不同的行向量代表不同的样本，列向量则代表不同的生物分子检测信号强度值。对不同的所述样本中相同的生物分子检测信号进行聚类，以建立与所述生物分子检测信号对应的信号峰簇质荷比向量和所述信号峰簇强度矩阵。

步骤S13：根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵。

本申请实施例中，在获取到信号峰簇强度矩阵后，根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵。具体的：确定出所述信号峰簇强度矩阵中的信号峰簇平均强度向量；利用所述信号峰簇平均强度向量与所述信号峰簇强度矩阵中各所述样本的信号峰簇对应的信号强度的比值，建立信号峰簇强度比值矩阵。也即，对所有样本信号峰簇矩阵的信号峰簇质荷比位置的强度取均值，建立信号峰簇平均强度向量。然后信号峰簇平均强度向量与信号峰簇强度矩阵中的各个样本分别按信号峰簇质荷比向量对应的位置计算比值，建立信号峰簇强度比值矩阵。

可以理解的是，假设信号峰簇强度矩阵中有n个数据，那么在信号峰簇强度矩阵中所有信号强度数据的平均值与信号峰簇强度矩阵中每个信号强度数据作比得到的比值也应该有n个。进一步的，通过n个比值数据确定出信号峰簇强度比值矩阵。

步骤S14：基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线。

本申请实施例中，首先基于预设条件对所述信号峰簇强度比值矩阵中所述样本的离散的强度比值进行过滤剔除，以得到信号峰簇强度比值向量；进一步的，通过信号峰簇强度矩阵确定每个样本的信号峰簇质荷比向量，然后与所述信号峰簇强度比值矩阵进行拟合，建立所述样本各自的校正因子拟合曲线。具体的，以每个所述样本的信号峰簇质荷比向量作为变量，以所述信号峰簇强度比值向量作为因变量进行多项式曲线或线性拟合，建立每个样本的校正因子拟合曲线。如此一来，利用剔除了离散比值后得到的信号峰簇强度比值向量进行拟合，可以提高拟合数据的准确性。

步骤S15：基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。

本申请实施例中，所述校正因子拟合曲线是一个函数，利用所述校正因子拟合曲线，以全谱质荷比为变量将校正因子从与所述生物分子检测信号对应的信号峰簇扩展应用到所有全谱质谱数据，将全谱质谱数据中的全谱信号强度与相应的校正因子相乘，进行全谱拟合动态曲线校正，以得到动态拟合的全谱校正数据。也即，将校正因子拟合曲线应用到了全谱数据，实现了对质谱数据的全谱拟合动态校正，进而得到动态拟合的全谱校正数据。

如图2所示，为本申请实施例提供的一种具体的利用所述质谱数据全谱拟合动态校正方法对样本进行全谱动态拟合校正的示意图。对生物分子检测信号

和质荷比数据T（M/Z）通过聚类，建立信号峰簇强度矩阵/>

以及对应的t1(m/z)，其中，/>

中的每个数据代表在质谱图中生物分子检测信号的强度数据；计算

信号峰簇平均强度向量与各个样本信号峰簇对应的信号强度的比值，得到信号峰簇强度比值矩阵，并剔除离散比值，记为/>

；示例性的，以最小二乘法估计为例，通过二阶函数拟合数集/>

和t1的函数对应法则即拟合曲线记为F(t1)，将解析式通过矩阵形式K*X=Y表示，其中K为由t1构成的矩阵，X和Y为向量，其中，X代表系数向量[a,b,c]，Y则是通过K*X得到的向量；则/>

，从而求得拟合曲线的函数解析式。最后，通过F(t1)应用到质谱数据，即利用/>

得到/>

，从而得到全谱校正的图谱数据。

本申请中，提供了一种质谱数据的全谱拟合动态校正方法，包括：获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。可见，通过对多个样本中的各生物分子检测信号进行聚类，建立出具有部分准确性较高数据的信号峰簇强度矩阵；然后利用信号峰簇强度矩阵进一步的建立信号峰簇强度比值矩阵，当利用信号峰簇强度比值矩阵建立各样本对应的校正因子拟合曲线后，通过拟合的方式可以建立信号强度和质荷比以及样本差异三者间的关系；最后利用校正因子拟合曲线对样本的质谱数据进行全谱拟合动态校正，得到动态拟合的全谱校正数据，将质谱谱图强度和质荷比以及样本差异三者间的关系应用于全谱数据，从而尽可能降低数据本身外的差异。此外，该方法可以对所有质谱谱图进行转换，可以降低不同次质谱检测间的差异，使得质谱谱图强度与质荷比之间的相关关系在特定特征方面尽可能相似或可比较，质谱数据更具可比性。

在本发明所提供的质谱数据的全谱拟合动态校正方法的一种具体实施方式中，为了验证通过所述质谱数据的全谱拟合动态校正方法在质谱数据中的应用相较于常用的一些归一化方法是否更具优势，且为了验证得到的拟合曲线是否正确，可以有效地将进行动态拟合校正后的数据应用到全谱数据中，可以获取对不同的样本进行中值归一化处理得到的中值归一化质谱图和对不同的样本利用所述质谱数据的全谱拟合动态校正方法得到的动态拟合的全谱校正质谱图，并确定出各自对应的变异系数（Coefficient of Variation，CV），如此一来，可以通过质谱图中不同区域的峰型变化以及变异系数来进行有效的验证。

本申请实施例中，图3、图4和图5分别对应了针对同一组数据处理前后的全谱中大分子区域、中分子区域和小分子区域的峰型变化，其中通过动态拟合的全谱校正的质谱图的峰强度数据差的绝对值小于所述中值归一化质谱图的峰强度数据差的绝对值，也就是说，动态拟合的全谱校正后的峰型相较于中值归一化后的峰型变化使峰位置更加明显，降低了非峰区域的差异性，趋势更加合理。进一步的，利用所有的样本确定出在不同归一化方法处理前后的变异系数，如表一、图6所示，显而易见的是，动态拟合全谱校正处理后的数据变异系数更低。利用所有的样本确定出在不同归一化方法处理前后信号校正收益率（校正前后变异系数的差值除以校正前变异系数），如图7所示，显而易见的是，动态拟合全谱校正处理后的数据绝大部分的信号收益率高于中值归一化。

表一

相应的，本申请实施例还公开了一种质谱数据的全谱拟合动态校正装置，参见图8所示，该装置包括：

数据获取模块11，用于获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；

信号峰簇强度矩阵建立模块12，用于对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；

信号峰簇强度比值矩阵建立模块13，用于根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；

拟合曲线建立模块14，用于基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；

动态校正模块15，用于基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。

其中，关于上述各个模块更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

由此可见，通过本实施例的上述方案，包括：获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据。可见，通过对多个样本中的各生物分子检测信号进行聚类，建立出具有部分准确性较高数据的信号峰簇强度矩阵；然后利用信号峰簇强度矩阵进一步的建立信号峰簇强度比值矩阵，当利用信号峰簇强度比值矩阵建立各样本对应的校正因子拟合曲线后，通过拟合的方式可以建立信号强度和质荷比以及样本差异三者间的关系；最后利用校正因子拟合曲线对样本的质谱数据进行全谱拟合动态校正，得到动态拟合的全谱校正数据，将质谱谱图强度和质荷比以及样本差异三者间的关系应用于全谱数据，从而尽可能降低数据本身外的差异。此外，该方法可以对所有质谱谱图进行转换，可以降低不同次质谱检测间的差异，使得质谱谱图强度与质荷比之间的相关关系在特定特征方面尽可能相似或可比较，质谱数据更具可比性。

进一步的，本申请实施例还公开了一种计算机可读存储介质，这里所说的计算机可读存储介质包括随机存取存储器(Random Access Memory，RAM)、内存、只读存储器(Read-Only Memory，ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、磁碟或者光盘或技术领域内所公知的任意其他形式的存储介质。其中，所述计算机程序被处理器执行时实现前述质谱数据的全谱拟合动态校正方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的质谱数据的全谱拟合动态校正或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

下面对本申请实施例提供的一种质谱仪进行介绍，下文描述的质谱仪与上文描述的质谱数据的全谱拟合动态校正方法可相互对应参照。

本实施例提供一种质谱仪，包括：控制单元；其中，所述控制单元可以加载并执行以实现如上述的质谱数据的全谱拟合动态校正方法的步骤。

由于质谱仪部分的实施例与质谱数据的全谱拟合动态校正方法部分的实施例相互对应，因此质谱仪部分的实施例请参见质谱数据的全谱拟合动态校正方法部分的实施例的描述，这里暂不赘述。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种质谱数据的全谱拟合动态校正方法，其特征在于，包括：

获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；

对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；

根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；

基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；

基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据；

其中，所述对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵，包括：对不同的所述样本中相同的生物分子检测信号进行聚类，以建立与所述生物分子检测信号对应的信号峰簇质荷比向量和所述信号峰簇强度矩阵；

所述根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵，包括：确定出所述信号峰簇强度矩阵中的信号峰簇平均强度向量；利用所述信号峰簇平均强度向量与所述信号峰簇强度矩阵中各所述样本的信号峰簇对应的信号强度的比值，建立信号峰簇强度比值矩阵。

2.根据权利要求1所述的质谱数据的全谱拟合动态校正方法，其特征在于，所述基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线，包括：

将每个所述样本的信号峰簇质荷比向量与所述信号峰簇强度比值矩阵进行多项式曲线拟合或线性拟合，以建立所述样本各自的校正因子拟合曲线。

3.根据权利要求2所述的质谱数据的全谱拟合动态校正方法，其特征在于，所述将每个所述样本的信号峰簇质荷比向量与所述信号峰簇强度比值矩阵进行多项式曲线拟合或线性拟合，以建立所述样本各自的校正因子拟合曲线，包括：

基于预设条件对所述信号峰簇强度比值矩阵中所述样本的离散的强度比值进行过滤剔除，以得到信号峰簇强度比值向量；

以每个所述样本的信号峰簇质荷比向量作为变量，以所述信号峰簇强度比值向量作为因变量进行多项式曲线或线性拟合，建立每个样本的校正因子拟合曲线。

4.根据权利要求1所述的质谱数据的全谱拟合动态校正方法，其特征在于，所述基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据，包括：

将所述校正因子拟合曲线中的全谱质荷比作为变量，以将校正因子从与所述生物分子检测信号对应的信号峰簇扩展应用到全谱质谱数据；

将所述全谱质谱数据中的全谱信号强度与相应的校正因子相乘，进行全谱拟合动态曲线校正，以得到动态拟合的全谱校正数据。

5.根据权利要求1至4任一项所述的质谱数据的全谱拟合动态校正方法，其特征在于，还包括：

通过基质辅助激光解吸电离的飞行时间质谱仪获取所述样本的质谱数据。

6.一种质谱数据的全谱拟合动态校正装置，其特征在于，包括：

数据获取模块，用于获取多个样本，并通过所述样本的质谱数据确定所述样本中的各生物分子检测信号；其中，同一个生物分子在不同的样本中的检测信号对应的质荷比存在偏差；

信号峰簇强度矩阵建立模块，用于对所有所述生物分子检测信号分别进行聚类，建立信号峰簇强度矩阵；

信号峰簇强度比值矩阵建立模块，用于根据所述信号峰簇强度矩阵建立信号峰簇强度比值矩阵；

拟合曲线建立模块，用于基于所述信号峰簇强度比值矩阵建立所述样本各自的校正因子拟合曲线；

动态校正模块，用于基于所述校正因子拟合曲线对所述样本的质谱数据进行全谱拟合动态校正，以得到动态拟合的全谱校正数据；

其中，所述信号峰簇强度矩阵建立模块，具体用于对不同的所述样本中相同的生物分子检测信号进行聚类，以建立与所述生物分子检测信号对应的信号峰簇质荷比向量和所述信号峰簇强度矩阵；

所述信号峰簇强度比值矩阵建立模块，具体用于确定出所述信号峰簇强度矩阵中的信号峰簇平均强度向量；利用所述信号峰簇平均强度向量与所述信号峰簇强度矩阵中各所述样本的信号峰簇对应的信号强度的比值，建立信号峰簇强度比值矩阵。

7.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的质谱数据的全谱拟合动态校正方法。

8.一种质谱仪，其特征在于，所述质谱仪包括控制单元；其中，所述控制单元加载并执行以实现如权利要求1至5任一项所述的质谱数据的全谱拟合动态校正方法。

Images