CN116519830A - 一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 - Google Patents
一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 Download PDFInfo
- Publication number
- CN116519830A CN116519830A CN202310381408.7A CN202310381408A CN116519830A CN 116519830 A CN116519830 A CN 116519830A CN 202310381408 A CN202310381408 A CN 202310381408A CN 116519830 A CN116519830 A CN 116519830A
- Authority
- CN
- China
- Prior art keywords
- sample
- metabolic disease
- screening
- sample liquid
- analysis
- 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
- 230000002068 genetic effect Effects 0.000 title claims abstract description 123
- 208000030159 metabolic disease Diseases 0.000 title claims abstract description 107
- 208000016097 disease of metabolism Diseases 0.000 title claims abstract description 92
- 238000012216 screening Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000007788 liquid Substances 0.000 claims abstract description 95
- 238000001514 detection method Methods 0.000 claims abstract description 81
- 210000002700 urine Anatomy 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000012106 screening analysis Methods 0.000 claims abstract description 25
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 claims abstract description 23
- 238000013210 evaluation model Methods 0.000 claims abstract description 22
- 239000000126 substance Substances 0.000 claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 19
- 238000010833 quantitative mass spectrometry Methods 0.000 claims abstract description 16
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 14
- 238000004451 qualitative analysis Methods 0.000 claims abstract description 11
- 150000007524 organic acids Chemical class 0.000 claims description 43
- 150000002500 ions Chemical class 0.000 claims description 26
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 claims description 24
- 239000012491 analyte Substances 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 22
- KEMQGTRYUADPNZ-UHFFFAOYSA-N heptadecanoic acid Chemical compound CCCCCCCCCCCCCCCCC(O)=O KEMQGTRYUADPNZ-UHFFFAOYSA-N 0.000 claims description 18
- 230000014759 maintenance of location Effects 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 235000005985 organic acids Nutrition 0.000 claims description 15
- POOSGDOYLQNASK-UHFFFAOYSA-N tetracosane Chemical compound CCCCCCCCCCCCCCCCCCCCCCCC POOSGDOYLQNASK-UHFFFAOYSA-N 0.000 claims description 14
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 12
- 239000003153 chemical reaction reagent Substances 0.000 claims description 11
- 238000006146 oximation reaction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 230000004060 metabolic process Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 239000002253 acid Substances 0.000 claims description 7
- 229940109239 creatinine Drugs 0.000 claims description 6
- 238000001212 derivatisation Methods 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 230000002503 metabolic effect Effects 0.000 claims description 5
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 4
- 208000015978 inherited metabolic disease Diseases 0.000 claims description 4
- 239000012086 standard solution Substances 0.000 claims description 3
- 239000003085 diluting agent Substances 0.000 claims 2
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 128
- 239000007789 gas Substances 0.000 description 50
- 201000010099 disease Diseases 0.000 description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 16
- 239000002207 metabolite Substances 0.000 description 9
- 239000000243 solution Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000012488 sample solution Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000012159 carrier gas Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000002546 full scan Methods 0.000 description 4
- 241000894007 species Species 0.000 description 3
- 238000004885 tandem mass spectrometry Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 208000035977 Rare disease Diseases 0.000 description 2
- 108010046334 Urease Proteins 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 235000001014 amino acid Nutrition 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 235000014113 dietary fatty acids Nutrition 0.000 description 2
- 229930195729 fatty acid Natural products 0.000 description 2
- 239000000194 fatty acid Substances 0.000 description 2
- 150000004665 fatty acids Chemical class 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000003960 organic solvent Substances 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- FAMLQSCGIQGDPV-UHFFFAOYSA-N 3,4-dihydroxy-6-[4-hydroxy-5-(hydroxymethyl)-2-(sulfooxymethyl)oxolan-3-yl]oxy-5-sulfooxyoxane-2-carboxylic acid Chemical compound OC1C(CO)OC(COS(O)(=O)=O)C1OC1C(OS(O)(=O)=O)C(O)C(O)C(C(O)=O)O1 FAMLQSCGIQGDPV-UHFFFAOYSA-N 0.000 description 1
- 241000607473 Edwardsiella <enterobacteria> Species 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 208000001019 Inborn Errors Metabolism Diseases 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000861 blow drying Methods 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 208000016245 inborn errors of metabolism Diseases 0.000 description 1
- 210000003712 lysosome Anatomy 0.000 description 1
- 230000001868 lysosomic effect Effects 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 210000003470 mitochondria Anatomy 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 210000003463 organelle Anatomy 0.000 description 1
- 239000012074 organic phase Substances 0.000 description 1
- 210000002824 peroxisome Anatomy 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000004853 protein function Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- 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
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
-
- 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
- G01N30/26—Conditioning of the fluid carrier; Flow patterns
- G01N30/28—Control of physical parameters of the fluid carrier
- G01N30/34—Control of physical parameters of the fluid carrier of fluid composition, e.g. gradient
-
- 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
- G01N30/72—Mass spectrometers
-
- 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
- G01N30/86—Signal analysis
- G01N30/8624—Detection of slopes or peaks; baseline correction
- G01N30/8631—Peaks
- G01N30/8634—Peak quality criteria
-
- 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
- G01N30/04—Preparation or injection of sample to be analysed
- G01N2030/042—Standards
- G01N2030/045—Standards internal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及医疗数据处理领域,具体涉及一种基于气质联用仪的遗传代谢病筛查方法、系统及装置。该方法对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;将每份样本液采用GC‑MS进行半定量质谱分析,获得多种分析物的半定量检测结果;根据预先建立的遗传代谢病评估模型对半定量检测结果进行定性分析,并与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;将筛查分析结果与患者信息自动匹配,导出确诊结果数据。本发明基于气质联用仪完成样本液的前处理以及内标检测结果,采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,有效提升遗传代谢病筛查的准确度及检出的效率。
Description
技术领域
本发明涉及医疗数据处理领域,尤其涉及一种基于气质联用仪的遗传代谢病筛查方法、系统及装置。
背景技术
遗传代谢病(InbornErrorsofMetabolism,IEMs)指具有异常生化代谢标志物的一大类疾病,因遗传或基因突变使合成的酶、受体、载体等蛋白功能缺陷,导致体内生化物质在合成、代谢、转运和储存等方面出现各种异常,包括氨基酸、脂肪酸、有机酸、碳水化合物、内分泌激素、核酸、金属元素等代谢紊乱,也包括有些代谢物在溶酶体、线粒体、过氧化物酶体等细胞器内积聚、贮积异常,从而产生一系列临床症状。
其中,遗传代谢病一部分病因由基因遗传导致,还有一部分是后天基因突变造成,发病期不仅仅是新生儿,覆盖全年龄阶段。针对遗传代谢病的筛查,除血气分析、血糖、血尿常规、血氨、电解质等实验室常规检查外,也开始采用MS/MS技术应用于疾病筛查领域,在短时间内实现对几十种小分子物质的检测。但是,由于遗传代谢病多为罕见病,在借助MS/MS技术进行检查时积累的数据以及病理需要通过医生判读能力进行筛查,并对被检出的超过250多种具有临床意义的有机酸指标进行分析以从指标库中确定疾病相关指标,在针对遗传代谢病的检查及筛查时工作量大且遗传代谢病筛查的准确度及检出的效率均无法有效提升。
发明内容
为解决上述问题,本发明提供了一种基于气质联用仪的遗传代谢病筛查方法、系统及遗传代谢病筛查装置,基于气质联用仪GC-MS(气相色谱仪-质谱仪)建立一种同时检测多种有机酸,并针对处理后的检测结果,通过构建模型的方式,利用算法提升遗传代谢病筛查的准确度及检出的效率。
为实现上述目的,本发明实施例提供了如下的技术方案:
第一方面,在本发明提供的一个实施例中,提供了一种基于气质联用仪的遗传代谢病筛查方法,包括以下步骤:
对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
将每份样本液采用GC-MS进行半定量质谱分析,获得多种分析物的半定量检测结果;
根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
作为本发明的进一步方案,将每份样本液采用GC-MS进行半定量质谱分析前,包括:
对尿液样本或收集尿液标本的尿滤纸片进行洗脱处理,采用紫外可见分光光度计对尿液样本或尿滤纸片中的尿肌酐进行定量检测确定尿液浓度,得到含有目标分析物的样本液;
在所述样本液中加入内标并纯水定容后,加入肟化反应试剂,室温下肟化反应;采用色谱纯乙酸乙酯进行萃取,去除水分后加入衍生化试剂孵育;
待样本液温度降至室温后,转移至进样瓶内插管,采用GC-MS对样本液进行上机分析检测。
作为本发明的进一步方案,内标包含十七烷酸、托品酸、二十四烷,稀释液采用色谱纯乙酸乙酯,使用稀释液将十七烷酸、托品酸和二十四烷配制为浓度分别为0.5mg/mL、0.5mg/mL和1mg/mL的混标溶液。
作为本发明的进一步方案,将每份样本液采用GC-MS进行半定量质谱分析时,包括:采用GC-MS对样本液进行上机分析检测,分析确定样本液的目标分析物中有机酸目标物与内标的峰面积,得到目标分析物的半定量结果。
作为本发明的进一步方案,采用GC-MS对样本液进行上机分析检测时,还包括:GC-MS基于全扫描采集模式对采集尿液的样本液中所有有机酸衍生物的质量离子按照从小到大的顺序连续扫描,采集时间需涵盖所有目标分析物有机酸出峰时间;并基于选择离子扫描模式对选定的某个或数个特征质量峰进行单离子或多离子检测,获得这些离子流强度随时间的变化曲线的扫描,一次进样对样本液多种有机酸检测。
作为本发明的进一步方案,采用GC-MS对样本液进行上机分析,检测完成时,还包括对总离子流图峰形、离子强度和保留时间进行分析,记录正构烷烃保留时间,计算目标物有机酸的保留时间。
作为本发明的进一步方案,根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,遗传代谢病评估模型的建立包括以下步骤:
获取遗传代谢病患者样本数据中的半定量检测结果和确诊结果数据;
根据所述确诊结果数据对所述半定量检测结果中超出正常参考区间的目标分析物进行标注,获得多种所述目标分析物的尿液样本标注数据;
对于每位遗传代谢病患者,将所述遗传代谢病患者的所述尿液样本标注数据和相邻时序段的尿液样本标注数据相结合,生成与每位所述遗传代谢病患者对应的尿液数据矩阵;
构建卷积神经网络,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络,获得遗传代谢病评估模型。
作为本发明的进一步方案,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络包括:
将所述数据集划分为训练集和测试集;
采用所述训练集训练所述卷积神经网络,利用所述训练集中的尿液数据矩阵进行正交偏最小二乘判别分析,得到遗传代谢病初始模型;
采用测试集对所述卷积神经网络进行测试,验证所述遗传代谢病初始模型中预测每种确诊结果数据的风险值达到预设阈值,所得遗传代谢病评估模型即为遗传代谢病评估模型。
作为本发明的进一步方案,当所述遗传代谢病初始模型通过验证时,还包括利用遗传代谢病评估模型对输入数据集进行有机酸分类,得到有机酸分类结果,根据有机酸分类结果进行分类计算以确定遗传代谢病中每种病种的风险值,其中,通过每种病种的有机酸的测定数据和疾病发生概率来确定遗传代谢病中每种病种的风险值。
第二方面,在本发明提供的一个实施例中,提供了一种基于气质联用仪的遗传代谢病筛查系统,包括气相色谱-质谱联用仪、样本前处理单元、筛查分析单元以及结果导出单元;
所述样本前处理单元用于对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
所述气相色谱-质谱联用仪用于对每份样本液进行半定量质谱分析,获得多种分析物的半定量检测结果;
所述筛查分析单元用于根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
所述结果导出单元用于将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
第三方面,在本发明提供的又一个实施例中,提供了一种遗传代谢病筛查装置,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器加载并执行所述计算机程序时实现基于气质联用仪的遗传代谢病筛查方法的步骤。
本发明提供的技术方案,具有如下有益效果:
本发明提供的基于气质联用仪的遗传代谢病筛查方法、系统及装置,基于气质联用仪完成样本液的前处理以及内标检测结果,采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量,替代目前采用软件筛查的方式对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,采用基于样本大数据构建遗传代谢病评估模型,针对每种疾病预测风险值,通过遗传代谢病评估模型对检测结果迭代筛查,有效提升遗传代谢病筛查的准确度及检出的效率。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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一些实施例。在附图中:
图1为本发明实施例的一种基于气质联用仪的遗传代谢病筛查方法的流程图。
图2为本发明实施例的一种基于气质联用仪的遗传代谢病筛查方法中样本前处理的流程图。
图3为本发明实施例的一种基于气质联用仪的遗传代谢病筛查方法中遗传代谢病评估模型建立的流程图。
图4为本发明实施例的一种基于气质联用仪的遗传代谢病筛查方法中遗传代谢病评估模型训练的流程图。
图5为本发明实施例的一种基于气质联用仪的遗传代谢病筛查系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明示例性实施例中的附图,对本发明示例性实施例中的技术方案进行清楚、完整地描述,显然,所描述的示例性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,本领域技术人员在没有作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。
由于遗传代谢病多为罕见病,在借助MS/MS技术进行检查时积累的数据以及病理需要通过医生判读能力进行筛查,并对被检出的超过250多种具有临床意义的有机酸指标进行分析以从指标库中确定疾病相关指标,在针对遗传代谢病的检查及筛查时工作量大且遗传代谢病筛查的准确度及检出的效率均无法有效提升。
针对上述问题,本发明提供的基于气质联用仪的遗传代谢病筛查方法、系统及装置,基于气质联用仪GC-MS建立一种同时检测多种有机酸,并针对处理后的检测结果,通过构建模型的方式,利用算法提升遗传代谢病筛查的准确度及检出的效率。
具体地,下面结合附图,对本申请实施例作进一步阐述。
参见图1所示,本发明的一个实施例提供一种基于气质联用仪的遗传代谢病筛查方法,该基于气质联用仪的遗传代谢病筛查方法包括如下步骤:
S10、对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
S20、将每份样本液采用GC-MS进行半定量质谱分析,获得多种分析物的半定量检测结果;
S30、根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
S40、将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
在进行遗传代谢病筛查时,利用气质联用仪同时检测多种有机酸,气质联用仪由气相色谱仪和单级四极杆质谱仪两个部分组成,利用气相色谱仪的分离能力对尿中多种有机酸代谢物有效分离后,再通过质谱部分鉴定分离的组分,基于内标技术半定量计算出相应含量。采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量。
在本实施例中,将每份样本液采用GC-MS进行半定量质谱分析前,基于气质联用仪完成样本液的前处理以及内标检测结果,其中,参见图2所示,将每份样本液采用GC-MS进行半定量质谱分析前,包括:
S101、对尿液样本或收集尿液标本的尿滤纸片进行洗脱处理,采用紫外可见分光光度计对尿液样本或尿滤纸片中的尿肌酐进行定量检测确定尿液浓度,得到含有目标分析物的样本液;
S102、在所述样本液中加入内标并纯水定容后,加入肟化反应试剂,室温下肟化反应;采用色谱纯乙酸乙酯进行萃取,去除水分后加入衍生化试剂孵育;
S103、待样本液温度降至室温后,转移至进样瓶内插管,采用GC-MS对样本液进行上机分析检测。
本发明实施例中,利用GC-MS对尿样多种有机酸进行检测时,通过在尿液样本或尿滤纸片中加入稳定内标,经过一段时间的肟化反应后进行有机溶剂液萃取,转移提取物氮气吹干,衍生化后用GC-MS仪进行分析,使用GSMS数据库检测系统进行数据分析。
其中,内标包含十七烷酸、托品酸、二十四烷,稀释液采用色谱纯乙酸乙酯,使用稀释液将十七烷酸、托品酸和二十四烷配制为浓度分别为0.5mg/mL、0.5mg/mL和1mg/mL的混标溶液。其中,以十七烷酸作为定量内标,目标物有机酸的峰面积和十七烷酸峰面积进行比值,得到半定量的结果;托品酸及二十四烷作为内标质控,可准确监测样本前处理和仪器分析是否符合质控要求。
示例性的,样本液前处理时,取0.2mg肌酐当量的尿样后,进行前处理,流程包括:(1)对尿液样本或收集尿液标本的尿滤纸片进行洗脱处理,采用紫外可见分光光度计对尿液样本或尿滤纸片中的尿肌酐进行定量检测确定尿液浓度,得到含有目标分析物的样本液;(2)加入尿素酶试剂,37℃恒温下孵育30分钟,分解尿素,消除干扰;加入内标,纯水定容至2mL;(3)加入肟化反应试剂,室温下肟化反应20分钟;色谱纯乙酸乙酯萃取2次,充分混匀后离心,转移至上层有机相至干洁离心管,氮气吹干,加入衍生化试剂,70℃孵育30min;(4)待样本温度降至室温后,转移至进样瓶内插管,上机分析。
在本实施例中,将每份样本液采用GC-MS进行半定量质谱分析时,包括:采用GC-MS对样本液进行上机分析检测,分析确定样本液的目标分析物中有机酸目标物与内标的峰面积,得到目标分析物的半定量结果。
其中,GC-MS具有全扫描采集模式和离子扫描模式,基于全扫描采集模式对采集尿液的样本液中所有有机酸衍生物的质量离子按照从小到大的顺序连续扫描,采集时间需涵盖所有目标分析物有机酸出峰时间;并基于选择离子扫描模式对选定的某个或数个特征质量峰进行单离子或多离子检测,获得这些离子流强度随时间的变化曲线的扫描,一次进样对样本液多种有机酸检测,其中,每次检测样本前还应当对GC-MS仪器进行校准。
在本实施例中,GC-MS还具备超高灵敏度和更多载气选择,搭载全新爱德华超高效大容量400L/s的涡轮分子泵,采用双入口差动式真空系统,可最大程度实现真空度,达到超高灵敏度的检测;在载气选择上,除He、H2作为载气外,还可采用N2作为载气,更大程度的降低实验室运行成本。
在本实施例中,采用GC-MS对样本液进行上机分析,检测完成时,还包括对总离子流图峰形、离子强度和保留时间进行分析,记录正构烷烃保留时间,计算目标物有机酸的保留时间,其中,目标物有机酸保留时间的,计算公式如下:RTT=RTcn+(RTcn+1-RTcn)*(RIT-RIcn)/(RIcn+1-RIcn)。
其中,RTT=目标组分保留时间;RIT=目标组分保留指数;RTcn=第n个组分保留时间;RIcn=第n个组分保留指数;RTcn+1=第n+1个组分保留时间;RIcn+1=第n+1个组分保留指数。
其中,目标物有机酸定性:(1)通过正构烷烃校准液校正保留时间,根据目标物有机酸保留时间初步定性;(2)使用NIST谱库或实验室自建谱库或商品化有机酸谱库中的标准质谱图对目标物有机酸进行相似度检索定性。目标物有机酸定量:通过测定有机酸目标物的峰面积与内标物十七烷酸峰面积求得比值×100,得到半定量结果。
在步骤S30中,根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,参见图3所示,遗传代谢病评估模型的建立包括以下步骤:
S301、获取遗传代谢病患者样本数据中的半定量检测结果和确诊结果数据;
S302、根据所述确诊结果数据对所述半定量检测结果中超出正常参考区间的目标分析物进行标注,获得多种所述目标分析物的尿液样本标注数据;
S303、对于每位遗传代谢病患者,将所述遗传代谢病患者的所述尿液样本标注数据和相邻时序段的尿液样本标注数据相结合,生成与每位所述遗传代谢病患者对应的尿液数据矩阵;
S304、构建卷积神经网络,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络,获得遗传代谢病评估模型。
其中,参见图4所示,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络包括:
S3041、将所述数据集划分为训练集和测试集;
S3042、采用所述训练集训练所述卷积神经网络,利用所述训练集中的尿液数据矩阵进行正交偏最小二乘判别分析,得到遗传代谢病初始模型;
S3043、采用测试集对所述卷积神经网络进行测试,验证所述遗传代谢病初始模型中预测每种确诊结果数据的风险值达到预设阈值,所得遗传代谢病评估模型即为遗传代谢病评估模型。
示例性的,可将数据集中的70%的尿液数据矩阵划分为训练集,30%的尿液数据矩阵划分为测试集,通过训练卷积神经网络,在输入与输出之间建立非线性的等式关系。
针对述遗传代谢病初始模型的进一步训练,当所述遗传代谢病初始模型通过验证时,还包括利用遗传代谢病评估模型对输入数据集进行有机酸分类,得到有机酸分类结果,根据有机酸分类结果进行分类计算以确定遗传代谢病中每种病种的风险值,其中,通过每种病种的有机酸的测定数据和疾病发生概率来确定遗传代谢病中每种病种的风险值。
本实施例中,采用气质联用仪分析尿样,基于不同的分析手段及目标物,可对不同类型的遗传代谢病进行筛查和辅助诊断,为临床诊断提供技术依据。示例性的,基于尿素酶有机溶剂萃取的前处理时,以149种有机酸为检测目标物,采用化学计量学最优计算,对58+6种氨基酸、脂肪酸、有机酸等疾病或者症状进行筛查或辅助诊断。
本发明的基于气质联用仪的遗传代谢病筛查方法,通过采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量,替代目前采用软件筛查的方式对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,采用基于样本大数据构建遗传代谢病评估模型,针对每种疾病预测风险值,通过遗传代谢病评估模型对检测结果迭代筛查,有效提升遗传代谢病筛查的准确度及检出的效率。
应该理解的是,上述虽然是按照某一顺序描述的,但是这些步骤并不是必然按照上述顺序依次执行。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,本实施例的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。
参见图5所示,本发明的一个实施例还提供一种基于气质联用仪的遗传代谢病筛查系统,包括样本前处理单元100、气相色谱-质谱联用仪200、筛查分析单元300以及结果导出单元400。
在本实施例中,所述样本前处理单元100用于对收集的每份尿液样本进行前处理得到含有目标分析物的样本液。
在本实施例中,样本前处理单元100在对尿液样本进行前处理时,首先对尿液样本或收集尿液标本的尿滤纸片进行洗脱处理,采用紫外可见分光光度计对尿液样本或尿滤纸片中的尿肌酐进行定量检测确定尿液浓度,得到含有目标分析物的样本液;然后,在所述样本液中加入内标并纯水定容后,加入肟化反应试剂,室温下肟化反应;采用色谱纯乙酸乙酯进行萃取,去除水分后加入衍生化试剂孵育;最后,待样本液温度降至室温后,转移至进样瓶内插管,采用GC-MS对样本液进行上机分析检测。
所述气相色谱-质谱联用仪200用于对每份样本液进行半定量质谱分析,获得多种分析物的半定量检测结果。
在本实施例中,所述气相色谱-质谱联用仪200由气相色谱仪和单级四极杆质谱仪两个部分组成,利用气相色谱仪的分离能力对尿中多种有机酸代谢物有效分离后,再通过质谱部分鉴定分离的组分,基于内标技术半定量计算出相应含量。采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量。
其中,所述气相色谱-质谱联用仪200具有全扫描采集模式和离子扫描模式,基于全扫描采集模式对采集尿液的样本液中所有有机酸衍生物的质量离子按照从小到大的顺序连续扫描,采集时间需涵盖所有目标分析物有机酸出峰时间;并基于选择离子扫描模式对选定的某个或数个特征质量峰进行单离子或多离子检测,获得这些离子流强度随时间的变化曲线的扫描,一次进样对样本液多种有机酸检测,其中,每次检测样本前还应当对GC-MS仪器进行校准。
所述筛查分析单元300用于根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果。
其中,遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量;将分析物浓度与设定的正常参考区间进行自动比较,显示标注超出正常参考区间的结果,在筛查分析前,所述气相色谱-质谱联用仪200还允许设置定量积分参数进行检测结果校正。
所述结果导出单元400用于将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。可快速批处理分析样本检测结果及单个样本快速分析。
需要特别说明的是,基于气质联用仪的遗传代谢病筛查系统在执行时采用如前述的一种基于气质联用仪的遗传代谢病筛查方法的步骤,因此,本实施例中对基于气质联用仪的遗传代谢病筛查系统的运行过程不再详细介绍。
在一个实施例中,在本发明的实施例中还提供了一种遗传代谢病筛查装置,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行所述的基于气质联用仪的遗传代谢病筛查方法,该处理器执行指令时实现上述各方法实施例中的步骤:
对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
将每份样本液采用GC-MS进行半定量质谱分析,获得多种分析物的半定量检测结果;
根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
在本发明的一个实施例中还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:
对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
将每份样本液采用GC-MS进行半定量质谱分析,获得多种分析物的半定量检测结果;
根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
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计算机可读存储介质中,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。
综上所述,本发明提供的基于气质联用仪的遗传代谢病筛查方法、系统及装置,基于气质联用仪完成样本液的前处理以及内标检测结果,采用设计的遗传代谢病评估模型对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,确定特异性代谢物的种类和含量,替代目前采用软件筛查的方式对气质联用分析样本液的检测结果进行筛查,自动识别与定量分析数据库内的物质进行比对,采用基于样本大数据构建遗传代谢病评估模型,针对每种疾病预测风险值,通过遗传代谢病评估模型对检测结果迭代筛查,有效提升遗传代谢病筛查的准确度及检出的效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于气质联用仪的遗传代谢病筛查方法,其特征在于,包括以下步骤:
对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
将每份样本液采用GC-MS进行半定量质谱分析,获得多种分析物的半定量检测结果;
根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
2.如权利要求1所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,将每份样本液采用GC-MS进行半定量质谱分析前,包括:
对尿液样本或收集尿液标本的尿滤纸片进行洗脱处理,采用紫外可见分光光度计对尿液样本或尿滤纸片中的尿肌酐进行定量检测确定尿液浓度,得到含有目标分析物的样本液;
在所述样本液中加入内标并纯水定容后,加入肟化反应试剂,室温下肟化反应;采用色谱纯乙酸乙酯进行萃取,去除水分后加入衍生化试剂孵育;
待样本液温度降至室温后,转移至进样瓶内插管,采用GC-MS对样本液进行上机分析检测。
3.如权利要求2所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,内标包含十七烷酸、托品酸、二十四烷,稀释液采用色谱纯乙酸乙酯,使用稀释液将十七烷酸、托品酸和二十四烷配制为浓度分别为0.5mg/mL、0.5mg/mL和1mg/mL的混标溶液。
4.如权利要求2所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,将每份样本液采用GC-MS进行半定量质谱分析时,包括:采用GC-MS对样本液进行上机分析检测,分析确定样本液的目标分析物中有机酸目标物与内标的峰面积,得到目标分析物的半定量结果。
5.如权利要求4所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,采用GC-MS对样本液进行上机分析检测时,还包括:GC-MS基于全扫描采集模式对采集尿液的样本液中所有有机酸衍生物的质量离子按照从小到大的顺序连续扫描,采集时间需涵盖所有目标分析物有机酸出峰时间;并基于选择离子扫描模式对选定的某个或数个特征质量峰进行单离子或多离子检测,获得这些离子流强度随时间的变化曲线的扫描,一次进样对样本液多种有机酸检测。
6.如权利要求5所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,采用GC-MS对样本液进行上机分析,检测完成时,还包括对总离子流图峰形、离子强度和保留时间进行分析,记录正构烷烃保留时间,计算目标物有机酸的保留时间。
7.如权利要求6所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,遗传代谢病评估模型的建立包括以下步骤:
获取遗传代谢病患者样本数据中的半定量检测结果和确诊结果数据;
根据所述确诊结果数据对所述半定量检测结果中超出正常参考区间的目标分析物进行标注,获得多种所述目标分析物的尿液样本标注数据;
对于每位遗传代谢病患者,将所述遗传代谢病患者的所述尿液样本标注数据和相邻时序段的尿液样本标注数据相结合,生成与每位所述遗传代谢病患者对应的尿液数据矩阵;
构建卷积神经网络,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络,获得遗传代谢病评估模型。
8.如权利要求7所述的基于气质联用仪的遗传代谢病筛查方法,其特征在于,采用样本数据中所有遗传代谢病患者的尿液数据矩阵组成的数据集训练所述卷积神经网络包括:
将所述数据集划分为训练集和测试集;
采用所述训练集训练所述卷积神经网络,利用所述训练集中的尿液数据矩阵进行正交偏最小二乘判别分析,得到遗传代谢病初始模型;
采用测试集对所述卷积神经网络进行测试,验证所述遗传代谢病初始模型中预测每种确诊结果数据的风险值达到预设阈值,所得遗传代谢病评估模型即为遗传代谢病评估模型。
9.一种基于气质联用仪的遗传代谢病筛查系统,其特征在于,用于执行如利要求1-8中任意一项所述基于气质联用仪的遗传代谢病筛查方法;该系统包括气相色谱-质谱联用仪、样本前处理单元、筛查分析单元以及结果导出单元;
所述样本前处理单元用于对收集的每份尿液样本进行前处理得到含有目标分析物的样本液;
所述气相色谱-质谱联用仪用于对每份样本液进行半定量质谱分析,获得多种分析物的半定量检测结果;
所述筛查分析单元用于根据预先建立的遗传代谢病评估模型对GC-MS分析样本液的半定量检测结果进行定性分析,并将分析物的半定量检测结果与定量分析数据库内的物质进行自动比较识别,得到每份样本液的筛查分析结果;
所述结果导出单元用于将所述筛查分析结果与患者信息自动匹配,导出确诊结果数据。
10.一种遗传代谢病筛查装置,其特征在于,所述遗传代谢病筛查装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的控制程序,所述控制程序被所述处理器执行时实现如权利要求1-8任一项所述的基于气质联用仪的遗传代谢病筛查方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310381408.7A CN116519830A (zh) | 2023-04-11 | 2023-04-11 | 一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310381408.7A CN116519830A (zh) | 2023-04-11 | 2023-04-11 | 一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116519830A true CN116519830A (zh) | 2023-08-01 |
Family
ID=87405656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310381408.7A Pending CN116519830A (zh) | 2023-04-11 | 2023-04-11 | 一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116519830A (zh) |
-
2023
- 2023-04-11 CN CN202310381408.7A patent/CN116519830A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chace et al. | Laboratory integration and utilization of tandem mass spectrometry in neonatal screening: a model for clinical mass spectrometry in the next millennium | |
EP2000800B1 (en) | Clinical method for the genetic screening of newborns using tandem mass spectrometry | |
Caballero-Casero et al. | Towards harmonised criteria in quality assurance and quality control of suspect and non-target LC-HRMS analytical workflows for screening of emerging contaminants in human biomonitoring | |
CN109187614B (zh) | 基于核磁共振和质谱的代谢组学数据融合方法及其应用 | |
US7180056B2 (en) | Mass spectrometry and mass spectrometry system | |
JP2022525427A (ja) | 質量分析法データにおける境界の自動検出 | |
US10928363B2 (en) | Method and device for chromatographic mass spectrometry | |
US7531364B2 (en) | Clinical method for the genetic screening of newborns using tandem mass spectrometry | |
CN103776891A (zh) | 一种检测差异表达蛋白质的方法 | |
Bowling et al. | Analyzing the metabolome | |
US20160293394A1 (en) | MALDI-TOF MS Method And Apparatus For Assaying An Analyte In A Bodily Fluid From A Subject | |
JP2016061670A (ja) | 時系列データ解析装置及び方法 | |
WO2018174891A1 (en) | Quantitative targeted metabolomic analysis based on the mixture of isotope-and nonisotope-labeled internal standards | |
JP5522365B2 (ja) | 代謝物の異常度の取得方法、代謝異常の判定方法、及びそのプログラム、並びに、代謝物の異常度の取得装置、及び代謝異常の判定に基づく診断プログラム | |
Pais et al. | An automated workflow for MALDI-ToF mass spectra pattern identification on large data sets: An application to detect aneuploidies from pregnancy urine | |
CN116519830A (zh) | 一种基于气质联用仪的遗传代谢病筛查方法、系统及装置 | |
CN115684451A (zh) | 基于代谢组学的食管鳞癌淋巴结转移诊断标志物及其应用 | |
CN109633142B (zh) | 一种急性髓细胞性白血病诊断模型的建立方法及其应用 | |
CN114624317A (zh) | 一种基于直接进样质谱的定性和定量分析方法 | |
US20140051092A1 (en) | Method And Apparatus For The Analysis Of Biological Samples | |
CN111638261A (zh) | 一种计算设备、存储介质和地中海贫血筛查装置及系统 | |
Rahman et al. | Metabolomics of diabetes and cardiovascular disease | |
Gika et al. | The role of mass spectrometry in nontargeted Metabolomics | |
CN116183924B (zh) | 用于肝癌风险预测的血清代谢标志物及其筛选方法和应用 | |
CN116087482B (zh) | 用于2019新型冠状病毒感染患者病程严重程度分型的生物标志物 |
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 |