TW201224428A - A method computer program and system to analyze mass spectra - Google Patents
A method computer program and system to analyze mass spectra Download PDFInfo
- Publication number
- TW201224428A TW201224428A TW100120337A TW100120337A TW201224428A TW 201224428 A TW201224428 A TW 201224428A TW 100120337 A TW100120337 A TW 100120337A TW 100120337 A TW100120337 A TW 100120337A TW 201224428 A TW201224428 A TW 201224428A
- Authority
- TW
- Taiwan
- Prior art keywords
- peak
- peaks
- mass
- ion
- mass spectrum
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Description
201224428 六、發明說明: 【發明所屬之技術領域】 本發明一般係關於質譜分析,尤其是本發明提供分析 化學溶液的質譜之方法。 【先前技術】 質譜儀原理由將化學元素離子化,產生將測量質荷比 的帶電分子或分子片段(m〇lecuie fragments)所構成。例如 溶液内離子的質譜利用質荷比,提供離子的分佈。質譜圖 的X軸代表一個離子的質荷比,y軸則代表這些離子所提 供的信號強度。一個離子的質譜圖賦予該離子的峰值 量對電荷、強度)資訊。針對内含不同離子的化學溶液, 該質譜圖的每個峰值可指出溶液内對應離子存在。 不過,質譜圖包含大量峰值並且針對每一峰 測量的該質量與該強度有糾,就無法輕織出化溶 質譜中的離子。例如:可能需要利用建立回歸模型,預 溶液内可溶性物質的濃度,該溶㈣某些離子 = 知而明確的物質濃度函數。在線性情況下, 質濃度存在係數關係,這隨不同離子而變。為了 ^ 模型,必須先找出對應於溶液内不同物料度的不同= 中相同離子之峰㈣度。物質職至錢分㈣,^皙= 終究可輕㈣別料離子。獨在麵分子轉於二 情況:,由於水巾較大分子的解離作用,因此所產液 的質譜可能包括數百種離子。 玍,合液 -種識麟應至溶㈣不⑽f濃度的不同質譜之 201224428 ,二技術解決方案,該資訊對應至相同離子,使用已知的 負料分級技術(data binning technique)。該資料分級技術可 降低輕微測量誤差⑽彡響:在射,#餘圍應該涵 蓋在統厂大小(通常是一個質量單位)的未重疊間隔(箱子 ^内,並且每一峰值的強度累積到相應箱子内。不過,假 設me為要分析來建立回歸模型的所有溶液之離子質測^ 量伴隨的誤差’㈣於誤差%的㈣彡響可逐漸損害 方法,即: 吸 -使用大小差不多(或小於)nie的箱子,可能不同 内已知離子的峰值會累積在不同箱子内; °曰 -使用大於me的箱子時,一般會發生擁有類似 的二或多個離子之峰值會累積在相同箱子内。不過因^ 前的影響,這鏡子在物質濃度上具有完全不_線=^ =性’相同的箱子可累積來自跨越不同光譜的不同離子之 需要一種在質譜圖内,識別對應至用不同已4 物質濃度準備的溶液之間相同實體離子之峰值之方法。° 【發明内容】 本發明的目的在於定義-種用可信射式 至不同質譜内相同離子的峰值之方法。 子應 專利範圍第Μ,利用分析來自—組質 棺案的質#及所㈣值之強度座標,含誤差測量,使g 201224428 以達到該目的,該 :法:實體離子,的特定濃度之溶液 内一第一質譜資料檔 案料播案 利用 -質譜資料該第 近來自該第-質譜的該等讀標選擇接 產生該::戶:::::數限制該相同類型實體離子所 序,包括來自可較分數最高的蜂值順 質譜的以的該魏峰細及來自每一其他 比率,則儲存序分數順序的比率高於一限制 並執行該料的—其他峰值座標 自該質譜的所有該等峰值,每=,直到已經讀取來 譜的峰值,識別為由—_ 序包括每一質 之方物"咖項 -抑制該等已料麟之_細任何子集,其發現 201224428 包括一相同質譜的一相同峰值。 如申請專利範圍第3項,使用如申請專利範圍第1項 或第2項之方法也可達成該目的,其中兩峰值之間的該距 離函數以及該評分函數都取決於該等兩峰值的該質量與 強度。 如申請專利範圍第4項,使用如申請專利範圍第i項 或第2項之方法也可達成該目的,其中兩峰值之間的該距 離函數取決於該等峰值的該質量,並且該評分函數取決於 該等峰值的該質量與該峰值濃度_強度關聯性之組合。 /如申請專利範圍第5項,使用如申請專利範圍第i項 ίΐ ί項之方法也可達成該目的,其中對應離子識別該等 Ϊ順序的第1項方法之步驟,運用都取決於該等峰 二量與強度之一第一距離和一第一評分函數,在針 十-已知e丨農度的一第—質譜集合上執行; 該方法另包括: 他二該等前述步驟,該第-與其 驟,所===?濃度執行的該等前述步 得每一漢度的-_^㈣度峰值座標,並且獲 將如申%專觀圍第丨項之方法的料步驟套用至 201224428 該虛擬質譜的集合,每一虛擬質譜對應至一濃度,每一虛 擬質譜包括該等計算過的虛擬峰值系列,使用取決於該等 峰值質量與該峰值濃度-強度關聯性組合的兩峰值間之一 第二距離函數,該等結果順序為對應至該不同「虛擬質譜」 内一離子的該等峰值,每一「虛擬質譜」都對應至一溶液 濃度。 如申請專利範圍第6項,使用如申請專利範圍第5項 之方法也可達成該目的,其中兩具有座標A和乃的質譜 峰值與具有座標;c2和乃的質譜峰值尸2間之該第一距離 d函數為: =7(¾ - ^)2 +0¾ ^ R為與該座標和X座標相關聯的該等相關誤差間之 比率。 如申請專利範圍第7項,使用如申請專利範圍第5項 和第6項任一項之方法也可達成該目的,其中一順序的該 第一評分為: 1/max d(pl, p2) 其中pi、p2為該順序内任兩峰值,並且d(pl,p2)為 之間的距離。 如申請專利範圍第8項,使用如申請專利範圍第5項 至第7項任一項之方法也可達成該目的,其中兩具有座標 X;和少7的質譜峰值P;與具有座標;^和乃的質譜峰值尸2 間之該第二距離ί/函數為: 201224428 d(Pl,P2)=絕對值(X1-X2). 如申請專利範圍第9項,使用如申請專利範圍第5項 至第8項任一項之方法也可達成該目的,其中一順序的該 第二評分為: ~ correlation_coefficient (cl, yl, c2, y2, .... CN, yN)/max d(pl, p2) 其中pl、p2為該順序内任兩峰值,並且d(pl,p2>^ 之間的距離。 ’ ‘ 如申請專利範圍第10項,使用一種内含用於執行如 刖述申凊專利範圍任一項之方法的該等步驟的裝置之系 統,也可達成該目的。 >如申請專利範圍第11項,使用一種内含用於執行如 申明專利範圍第1項至第9項任一項之方法的該等步驟的 指令之電腦程式,該電腦程式在一電腦上執行時也可達 該目的。 將該提案的兩階段篩選處理之該第一卩皆段套 一質譜儀麟㈣料,可獲料些伽。㈣Μ 隸县f優點為該方法提供與該f量值測量相關聯之誤 以及與該篩選光譜内維持所有這些峰值的該 強度值測量相關聯之誤差指示。 題的芯”么量料峰值可提供朗量當t品質問 曰不換5之,就是該等測量條件未完美標準化 9 201224428 =因狀態不穩定之下測量的 ^進-步為優 化關於已知溶液成份到所測量光譜的模型之此簡 根據本發明的第二態樣, 處理的該第二階段㈣至已經段筛選 得許多優點。 第p白奴之資料,獲
㈣點為由該溶液内濃度遠離在不同濃度上測I 濃度線性函數之離子所產生的 S 自$選先谱中去除。如此簡化關於 =從 譜的線性模型之建造讀絲到所測量光 t優點為大量忽略峰值可提供料料内品質問題 的早批不(例如因為在不同溫度之下 =測量的樣本),或指出「已識別離子」濃度== 2。在第7情況下,更受控制的處理可獲子的 ,並且避免運用到不精準資料的風險。在第二下, 需要建構非線性資料模型’同時可避免f料運用當月中假設 錯誤之風險。 【實施方式】 圖1顯示在一個化學溶液樣本上測量的第一質譜,以 及來自相同溶液不同樣本所獲得的五種質譜(a、b、C、d、 201224428 E)=覺化之細節。第一圖表(1〇〇)為内含5_化學物質的 ’峰值質量257」並且強度超出質譜儀輸出所用 單位四周的離子之部分質譜圖。整個光譜内含大約 5〇〇個峰值。第二質谱⑽)為使用相同儀器重複測量相 同樣本所獲得,與相同峰值相關的值在質#值方面有〇·1% =振盪j在強度值方面有10%的振盪。在第二3D圖(110) ,表相同離子。問題是若質扑值)與強= ^差,如何識別對應至相同離子的不同樣本内之峰值。該 誤差對於兩離子質測量量的影響超出其「真實」質量間= 差異時,就不可能找出屬於相同離子不同光譜内的兩峰 ,。即使誤差相當小,在電腦程式内實施鼓的「識別」 處理還是需要超越接近質量值的具體歧視條件。 圖2例示其中實施較佳具體實施例方法的環境。圖2 顯示本發明的範疇。利用產生資料檔案(光譜21〇)的質譜 儀(200),分析具有變化已知化學物質漢度的溶液。光譜^ 括一系列峰值,峰值由質譜儀所測量的質荷比與信號強度 值(圖型代表内的峰值座標)所描述。 亦請注意,若該方法套用至只内含一種物質的溶液, 此方法將幫助決定不同物質濃度上溶液的峰值,這幫助有 助於決定特定濃度上溶液内物質存在的線性模型。 在較佳具體實施例内’利用電腦(220)上執行的程式處 理質譜資料檔案。又在較佳具體實施例内,離子識別方法 包括一識別處理引擎(240),套用在兩階段處理程式(23 内。該離子識剌擎在每-階段中套用不同的歧視條件。 11 201224428 在第m該離子識則擎套聽後關於圖*說明文 件内描述的質里·強度型近接條件。該第—階段採用質譜 儀所產生的質譜檔案(21G)當成輸人並產生離子表(T1),一 列代表不同光譜内對應至―個離子的峰值。階段丨内處理 的質5酱為對應至内含特定化學物質濃度的溶液上所完成 的測量樣本集合之㈣,套用至—個樣本集合的該輸出為 -個離子表(Τ1)。針對對應至化學物質Ν個不同濃度的Ν 個質譜,合,重複操作。階段丨的輸出造成⑽離子表(τι 250) ’每個樣本集合—個,每—個都對應至溶液濃度。 在第二階段中,執行該離子識別引擎一次。針對峰值 識別’套用為經組合之質量近接與濃度強度關聯性條件 的歧視條件,如稍後關於圖4說明文件内之描述。該第二 階段使用階段丨建立雜子表當成輸人,轉換成「虛擬質 4」並且輸出一個已識別的離子表(T2 26〇)。輸出離子表 ^2提供用於溶液内已識別的每一離子,在每一列中,為 每一濃度的一系列峰值座標之參考。 在較佳具體實施例内,本發明實施為電腦程式產σ 其從電腦可錢或電腦可讀取_存取,提供電腦或:何 指令執行线所個或連接的程式碼^注意, ^ 採用整個硬體具體實施例、整個軟體具體實施例 = 體與軟體元件的具體實關之形式。在_具體實= :體本内實施,這包含但不受限於勒體, 圖3為根據較佳具體實施例可運用不同識別 子識別方法流程圖。該流程圖說明該離子識別方法,的離 / ,該方 12 201224428 法允許識別從溶液所獲得,對 離子類型的峰值,其中—個於不同光譜内相同 個物質存在於不同濃度中。 為了例示該離子識別方法,太 入。如此簡化該方法步驟的理解,:: 階段2内,輸人並非直接是質错而是丨=在 其轉換成「虛擬質譜广事實上,誃 識別表丁1 ’ 參照至對應已經用來當成輸入的;列 獲得「虛擬質譜」。 #值座‘的平均,以 在第一步驟(300)内,已經存取所有 f譜提供其x座標代表質荷比(以後稱為質 2號的強度(以後稱為強度)的峰值。所有質;|都對;至 量ίΓ容ΓΓί液内特定化學物質濃度的相同溶狀測 本’此物質需要經過分析。Μ光譜具有從i至Μ的 該質譜存取襄置,内含峰值座標的該等質議資料槽案 讀取’並且較佳儲存在記憶體内當成資料結構: <說明書内關於圖5的說明,來插述這種該離子識 別引f所用資料結構的—個範例。每-質譜都建立-個^ 格。每一表格列都可儲存該質譜峰值的座標。 二*在步驟305内,在一個M質譜上讀取一個峰值。其 中讀取一個峰值的一個質譜内含N1的峰值,編號從i至 N卜二並且開始所有這些峰值的反覆(請參閱稍後流程圖内 的測試360)。採用該讀取峰值,做為對應至剩餘光譜中峰 13 201224428 = 基礎。根據下列處理,分析代表此第-光 閱稍後流剩餘光譜的内部反覆(請參 中最^二^之間的適當「距離」函數,找出目前光譜 限制至悬^ 乂驟3G5⑽選峰值的特定數量峰值。利用 限數量二=距離d的距離’選擇至少—個峰值以及有 3 搜未發現峰值的預定距 b 不過明,主意,「距離」函數的選擇係 詈_、斤1^ π質量·強度型近接的條件以及階段2内的質 細描述該、^本㈣4的說明中更詳 ^用_所有光譜(執行測試㈣當中答案為否的迴 從2’ 來自該第—光譜的目前峰值以及該光譜内發現 順库^^料值’建錢躲峰值的财可能候選 序的總數等於n2Xn3XxnM的乘積,其中 卬為扣數「丨」的光譜内候選峰值之數量,並且m 順^内峰值的數量。在步驟335内,將適當評分函數套用 至^一频序,以計算-評分值。該函數必須經過選擇 =有峰值全都是相同離子類型表示的順序應獲得高 国汗分函數的選擇取決於所選之料識職件,猶後 於圖4說明文件内會更詳細描述該評分函數。 在下:步驟⑽)中’前述步_建立的順序依照步驟 内计算之對應分數值分類,最高分數對應至分類 清早内的第一位置。 々 201224428 在下一步驟(345)中,依照每一順序内第一分數與第二 分數間之比率,計算「比率」變數。步驟335内使用的評 分函數產生顯者尚於個體的比率變數值,以指出已經從競 爭當中產生單一順序獲勝者。步驟350内將計算出來的比 率值與預定門檻(限制比率)比較’低於門檻之值表示沒有 明顯的順序獲勝者,這意味不可能識別目前的離子。保留 具有最南为數值並且比率變數等於或大於限制比率的順 序,用於步驟305内讀取的此峰值。 一軌跡保留(357)該有效獲勝者順序(若有的話)的每 一順序成員之(X質量、Y強度)值,該順序的每一成員都 為每一光譜内的一個峰值,所有峰值都對應至相同離子。 此資訊保存在離子識別表(T1,T2)内,如猶後本說明書内 關於圖5或圖6的說明所描述。 菪一 的相同―^光it 試算法時(測 有峰值可姑且考慮_=勝麵序的—個光譜内所 該等結果卿,執行全r,子產生。利賴驗峰值的 值出現在每檢查_。只有若每-峰 是特定離子類型的矣-母一順序内峰值的結果順序才 值的順序。_可關^ Ξΐ/略具有共同—或多個峰 貝枓’以較高信賴度使用剩餘 201224428 的順序。事實上,每一順序的特徵在於儀器對於特定(不 過未知)離子類型存在的反應。在流程圖執行結尾上,該 最終離子識別表只含經由全體一致性檢查確認過的峰^ 順序之參照。不過,該全體一致性步驟為選擇性因 述步驟選擇的所有順序可能造成正確結果。 ⑴ 圖4為根據較佳具體實施例套用圖3的方法,識別對 至不同已知物質濃度的質譜内相同離子之方法的一般 流程圖。在此流程圖中,圖3中離子識別處理的兩互補^ 施連接於兩階段管路中。該管路的第-階段用來當成利用 ί Ϊ儀測量具有不同濃度的溶液所產生光譜之輸入系列 >、s該笞路的第二階段將該第一階段輸出的資料當成給 每—離子產生最錄ώ,就是每—濃度的峰值 在階段1 (400)内,該離子識別處理套用至從溶 === 的㈣)不同位準上内含相同〜: 針對濃度的母_位準,_在㈣樣本上重福 次,或利用採用Μ個同等樣本的測量,獲得 ^對-個溶液料所測量的每—樣本f 運用質量_強度型近接條件,識別具有—或多= t相同(已知或未知)濃度的溶液光譜間之離子。運= =„應光譜的M個峰值依據適當距離函數, 二1兩峰值的XM座標,q分m ^ 子濃度(y)測量的相對誤差之不同大小,= 近」時’則可稱其為「由相同離子產生」二 又的輸出包括每-已識別離子中以及每一濃度位準中, 16 201224428 Μ個峰值的順序。離子識別表T1為維持圖3中離子識別 方法資訊結果的方式之一個範例,稍後說明於本說明書中 與圖5相關之說明内。 根據質量-強度型近接條件,選擇分別在階段1内執 行的識別處理之步驟315和步驟335所使用的距離函數與 評分,數:兩「點」(峰值)之間任意「距離」函數d(pi,pj) 必須疋在i = j時d(pi,ρ」·)消失,否則總是為正值。與每一 峰值相關聯為兩座標(X和力代表離子質量 信 (y)二因此在原理上可根據兩峰值的x*y座標\、讓距離函 數採用二維空間内的標準歐氏距離。不過,這不適合無關 聯性的情况’因為並不負責關聯於—點(峰值)的X斑y座 標之不同比例與精準度。來自普通儀器的質譜試驗顯示質 量(X座標)值用大約〇.1%的相對誤差所決定,而強度(y座 標)用=跳的相對誤差所決定,因為高出兩個數量級。 將R =義為_於7座標與χ座標的相對誤差間之比率, 所ΓΐΓ函數如下’Xi、yi鱗值ρι的座標,並且 x2、y2為峰值p2的座標: 在峰值的每一「候選順皮 步驟335内評分值的計算:兮執:該離子識別處理 序内峰值集合的函數該評分函數為該候選順 的倒數。該評分函數為 1/max d(pl,p2) 兩相隔最遠的峰值之轉函二’此函數只是該順序内 一·〜m' 一 離函數(區塊315内所使用的函數) 其中pi和P2為該顺序内任兩個峰值。 201224428 因此’「彼此最罪近」為順序内的峰值,較高者為指 派給該順序的餅分值。發現上祕離函數與評分函數的 組合足夠用於階段1内執行的該離子識別處理,在此所有 光譜都取自於具有相同已知物f濃度的樣本。 圖4的流程圖程序繼續階段2(柳),其輸人為階段( 内建立的該離子識別表(例如τι)。 次該等離子識別表内含的資料等同於已經提過的質譜 對應至階段1内「已識別」離子的每—峰值順序都 ,擬」峰值有效取代,該虛擬峰值的質量與強度利用 2该順序所獲得。在階段2内,如圖3所例示流程圖所 田述該離子識別方法的處理套用(415)至這些虛擬峰值。其 =的在於「識別」相同離子產生的虛擬峰值,通過從具有 =物質濃度位準的樣本測量之光譜。運餘合的質量-,與濃度強度_性條件,識別—已知物f的L種不 二庠iff之溶液光譜間之離子。運用此方法,L峰值的 相同離子」’若最大化「最佳測量」來加權 γ X」與質量之乘積,與通過峰值的濃度C值與強度 值,_「線性襲性強度」。定義該距離與評分函數 二階段2的該離子識別條件列人考量。這些距離與評 c用途為㈣出該物^農度與該等強度值之間,未 離Iί ^線性關聯性的峰_序。階段2的輸出提供相同 同的b虛擬峰值」順序,每一「虛擬峰值」都對應至不 不屬^1準°如此’可#由多種應用運用從該f譜儀· 的模型H <中取得的資訊,目標在於建立該質譜 其中在許多選取峰值(通道)上觀察到的強度為一 201224428 或多個物質濃度之線性函數。離子識別表T2為維持圖3 中離子識別方法資訊結果的方式之一個範例,稍後說明於 本說明書中與圖6相關之說明内。 八根據組合的質量-近接與濃度-強度關聯性條件,選擇 刀別在階段2内執行的識別處理之步驟315和步驟335所 使用的距離函數與評分函數。在階段2内,無法預期相同 離子產生的峰值展現出通過光譜的類似強度值,因為在不 同物質遭度上會採用後者。因此,階段2内使用的該距離 函數只取決於峰值的X座標(離子質量): d(Pi,Ρ2) = abs h - χ2) ’其中abs()為絕對值函數。 在峰值的每一「候選順序」上,執行該離子識別處理 區塊335内評分值的計算。因此,該評分函數為該候選順 序内峰值集合的函數。在階段2内,原則上距離函數可採 用統計關聯性係數。想法為高關聯性係數(接近個體)只來 自於對應至相同實體離子的峰值(並展現出與物質濃度的 線性回應)。不過,使用真實資料所進行的實驗顯示,在 此情況下,最高評分順序上評分值之間的比率(等於關聯 性係數)通常非常接近個體,如此不可能決定清楚的「獲 勝者」。更適合的評分函數也應該將順序内所有峰值的質 量值近接性列入考慮。因此,建議的評分函數為兩項的乘 積。第一項為從順序峰值計算的關聯性係數,其中物質濃 度為獨立變數’並且峰值強度為相依變數。第二項為—順 序内兩相隔最遠的峰值之距離函數(區塊315内所使用的 函數)的倒數。 該評分函數為: 201224428 correlation_coefficient (cl,yl,c2, y2,.…cn,yN)/功αχ d(pl,p2),其中ph P2為順序内任兩峰值,並且d 為之間的距離。 ,Ρ2) 發現上面距離函數與評分函數的組合足夠用於階段2 内執行的該離子識別處理,在此所有光譜都取自於具有 同已知物質濃度的樣本。 圖5顯示輸入圖3 —般流程圖中階段1的資料結構, 以及根據較佳具體實施例輸出的階段1之資料結構。尤其 是如圖5内所描述的輸出表,為一種呈現階段丨運用根才康 質量-強度型近接條件的距離與評分函數之離子識別方 結果的方式。 針對該溶液樣本内物質的已知濃度,輸入(5〇〇)來自Μ 光谱’利用重複測量Μ次或利用將測量套用至Μ個一敢 樣本所獲得。電腦從資料檔案讀取的每一光譜資料都可以 表格=式儲存在記憶體内,該表格具有兩欄(X和Υ),其 中在每一列上,離子質量測量在χ欄内,並且對應的 強度在Υ欄内。 更 ——輸出(6G>G)可由Μ攔的表格(Τ1)呈現,每_輸出針對 2 ’則量光譜’並且列數等於階段i結尾上識別的離子。 光含對Γ峰值的指標器(515) ’假^由M個輪入 對:至離子所產生。每一列都内含 分比率獲得最S分Ϊ順柄指制,其以可接受的評 201224428 例如.列編號27 (27為表格内一個列指數值)在輸出 表内標示灰色背景’内含編號503、506、5〇2、5〇4、5〇4, 賦予已識別離子的輸入光譜内之位置。這表示 •第一輸入光譜的列503上之峰值, •第二輸入光譜的列506上之峰值, •等等 ^經由階段1處理「識別」,因此可安全假設已經由相同 貫體離子產生這些峰值。 、採用對應至輸出表中已知列的質量(X)與強度(Y)之Μ 值平均與展開,如此評估影響這些量級測量的誤差大小。 利用定義質量與強度值為該等Μ「已識別」峰值上對 應值的平均之「虛擬峰值」,可減少關聯於上述輸出表内 已知列的負訊。或者是,吾人可考慮每一列中質量與強度 =最小與最大值,如此制f量關隔[UK]以及 判用運㈣度的間隔[ymin,ymax]蚊義「虛擬峰值」。 :2寺別使用圖4内所描述套用的離子識別方法,允許使 ,結果建立線性模型,將已知溶液的成份關聯於所測 量光譜。在此情況下,階段1輸入為針對一個溶液所測量 的質譜,該溶液只包括具有不同已知濃度的單一物質。如 此,該離子識別表(T1 510)内含使用已知濃度的每一質譜 中其參考X、Y峰值所識別之離子。 針對每一溶液濃度建立這種離子識別表(T1,5〇〇),以 獲得質譜的集合。 21 201224428 圖ό顯示輸入圖4 —般流程圖中階段2的資料結構, 以及根據較佳具體實施例輸出的階段2之資料結構。如上 述’在用圖4流程圖所描述的方法中’所使用的階段2輸 入並非質譜,而是從離子識別表T1的輸出(當成階段i的 輸出所獲得)所產生之質譜同等資料。階段2的輸入由N 個表格(600)構成,階段1處理的每一輸出都套用至相同物 質的不同(已知)濃度。該等輸入表中每一列都可關聯於具 備已評估質量、強度與誤差的「虛擬」峰值,這些輸入可 在階段2内由離子識別方法處理成同等輸入資料(5〇〇),其 為圖1表格的輸入質譜。 ' 輸出可由具有N攔的表格(610)構成,每一輸出針對 物質的每一濃度,並且列數等於階段2結尾上識別的離 子。每一列都包含指標器:攔内關聯於已知濃度的指標器 (615)參照至該濃度的輸入表内一列。因此,階段2結尾上 產生的輸出表,允許將這些「虛擬」峰值稱為全都關聯於 相同實體離子。 【圖式簡單說明】 圖1顯示在一個化學溶液樣本上測量的第一質譜,以 及來自相同溶液不同樣本所獲得的五種質譜(a、b、c9、d、 E)視覺化之細節; 圖2例示其中實施較佳具體實施例方法的環境; 圖3為根據較佳具體實施例可運用不同識別條件 子識別方法流程圖; 圖4為根據較佳具體實施例套用圖3的方法,識別對 應至不同已知物質濃度的質譜内相同離子之方法的一般 22 201224428 流程圖; 圖5顯示輸入圖4 一般流程圖中階段1的資料結構, 以及根據較佳具體實施例輸出的階段1之資料結構; 圖6顯不輸入圖4 一般流程圖中階段2的資料結構’ 以及根據較佳具體實施例輸出的階段2之資料結構。 【主要元件符號說明】 100 第一圖表 110 第二質譜 115 峰值 200 質譜儀 210 光譜 220 電腦 230 兩階段處理程式 240 識別處理引擎 250 離子表 260 離子表 300-365 步驟 400 階段1 405 處理 410 階段2 415 套用 500 輸入 510 離子識別表 515 指標器 600 輸出 23 201224428 610 615 表格 指標器 24
Claims (1)
- 201224428 七、申請專利範圍: 1. 一種在一電腦上執行以識別包含至少一物質的一特定農 =液内,不同實體離子所產生峰值之方法質:方二 =自:質譜資料檔案集合的質量及所有峰值之強度座標,含 誤差測I’該方法包括: -讀取來自該組質譜資料檔案内一第一質譜資 峰值座標; 利科算—雜函數關兩峰朗之近接,從該第一質 檔案以外的每-該質譜資料檔案#中,選擇接近來自該 第質谱的該讀取峰值座標之峰值座標; 利用汁舁一分數函數限制該相同類型實體離子所產生該 内所有峰值的該可紐,決定分數最高的峰侧序,包括 來自該第—質譜職讀取峰值以及來自每—其他質譜的一選 取峰值; ' 只有若最尚分數/次高分數順序的比率高於一限劍比 率,則儲存該最高分數順序;及 =取來自該第-質譜資料難的—其他峰值座標並執行 =則述麵、決定與儲存步驟,直到已_取來自該質譜的 該等峰值,每,等結果順序包括每―質譜的峰值,識別 馬由一相同實體離子所產生。 2.如申請專利範圍第1項之方法,另包括: 其發現包括一 -抑制該已儲存順序之間順序的任何子集 相同質譜的一相同峰值。 3.如申請專利範圍第1項或第2項之方法,其中兩锋值之間 25 201224428 質量 錢叹雖分函_取決於該等兩峰值的該 4. 如申請專利範圍第1項或第 的該距離函數取決於該等峰值㈣質量^日^兩♦值之間 於該等峰值的嶋無峰喻韻卿2數取決 5. 如申請專利範圍第1項或第2 別該等結果峰值順序的第,=法’其中對應離子識 該方法另s第一質譜集合上執行; 譜集合重複該等前述步驟’該第-與其他質 產生自於針對每—溶液濃度執行的該等前述步驟,所 擬質:4:1 請,,第1項之方法的該等步驟套用至該虛 ^ **、虛擬峰值系列,使用取決於該等峰值質詈盥麻 函與該峰值濃度·強度關聯性組合的—第二評分 不同二距離純’該等結果順序為對應至該 對應至-溶液;ii子的該等峰值,每—「虛擬質譜」都 yi 6·如申請專利範圍第5項之方法,其中兩具有座^和 26 201224428 的質譜峰值Λ與具有座標a和少2的 離J函數為: 質譜峰值巧間之該第一距 R為與該y座標和續標相關聯的該等相關誤差間之該比 7.如申請專利範圍第5項或第6項任 序的該第一評分為: 1/max d(pl, p2) 一項之方法,其中一順 其中Pi、p2為該順序内任兩峰值 的該距離。 ’並且d(pl,p2)為之間 8.如申請專利範圍第5項至第7項任一項之方法,其中兩且有座標A和乃的質譜峰值與具有座標々和乃的質譜峰值 尸2間之該第二距離ί/函數為: d(Pi,Ρ2)=絕對值(Χι-Χ2)。 9.如申請專利範圍第5項至第8項任一項之方法,其中一順 序的該第二評分為: correlation^coefficient (cl, yl 〇2, y2>.. cN> yN)/max ^該^P1、P2為該順序内任兩峰值,並且佩⑻為之間 10. -種内含用於執行如前述 該等步驟的裝置之系統。 利範圍任一項之方法的 27 201224428 11. 一種内含用於執行如申請專利範圍第1項至第9項任一項 之方法的該等步驟的指令之電腦程式,該電腦程式在一電腦上 執行時也可達成該目的。 28
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10165533 | 2010-06-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201224428A true TW201224428A (en) | 2012-06-16 |
TWI493168B TWI493168B (zh) | 2015-07-21 |
Family
ID=44582885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100120337A TWI493168B (zh) | 2010-06-10 | 2011-06-10 | 分析質譜的方法、電腦程式及系統 |
Country Status (6)
Country | Link |
---|---|
US (2) | US9773090B2 (zh) |
EP (1) | EP2580772B1 (zh) |
JP (1) | JP5719433B2 (zh) |
CN (1) | CN102906851B (zh) |
TW (1) | TWI493168B (zh) |
WO (1) | WO2011154219A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10859552B2 (en) | 2017-06-20 | 2020-12-08 | The Hong Kong Polytechnic University | Edible oil analysis system and method |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5719433B2 (ja) | 2010-06-10 | 2015-05-20 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 質量スペクトルを分析するための方法、コンピュータ・プログラム、およびシステム |
US9666421B2 (en) * | 2013-12-26 | 2017-05-30 | Shimadzu Corporation | Mass spectrometry data display device and mass spectrometry data display program |
KR20230119729A (ko) * | 2016-10-25 | 2023-08-16 | 리제너론 파아마슈티컬스, 인크. | 크로마토그래피 데이터 분석을 위한 방법 및 시스템 |
JPWO2022270289A1 (zh) * | 2021-06-24 | 2022-12-29 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62124456A (ja) | 1985-11-26 | 1987-06-05 | Jeol Ltd | 質量分析デ−タのオ−トキヤリブレ−シヨン・システム |
US5072115A (en) | 1990-12-14 | 1991-12-10 | Finnigan Corporation | Interpretation of mass spectra of multiply charged ions of mixtures |
US5440388A (en) | 1993-08-02 | 1995-08-08 | Erickson; Jon W. | Chemical analysis and imaging by discrete fourier transform spectroscopy |
US8188011B1 (en) | 2000-02-08 | 2012-05-29 | Isis Pharmaceuticals, Inc. | Optimization of ligand affinity for RNA targets using mass spectrometry |
US6996472B2 (en) | 2000-10-10 | 2006-02-07 | The United States Of America As Represented By The Department Of Health And Human Services | Drift compensation method for fingerprint spectra |
GB0031566D0 (en) * | 2000-12-22 | 2001-02-07 | Mets Ometrix | Methods for spectral analysis and their applications |
WO2003006678A2 (en) * | 2001-07-13 | 2003-01-23 | Syngenta Participations Ag | System and method for storing mass spectrometry data |
AU2002348060A1 (en) | 2001-10-26 | 2003-05-12 | Phytoceutica, Inc. | Matrix methods for analyzing properties of botanical samples |
CA2521034A1 (en) * | 2003-04-02 | 2004-10-21 | Merck & Co., Inc. | Mass spectrometry data analysis techniques |
GB0308278D0 (en) | 2003-04-10 | 2003-05-14 | Micromass Ltd | Mass spectrometer |
EP1623352B1 (en) | 2003-04-28 | 2011-09-28 | Cerno Bioscience LLC | Computational methods and systems for multidimensional analysis |
US20050255606A1 (en) * | 2004-05-13 | 2005-11-17 | Biospect, Inc., A California Corporation | Methods for accurate component intensity extraction from separations-mass spectrometry data |
US7473892B2 (en) * | 2003-08-13 | 2009-01-06 | Hitachi High-Technologies Corporation | Mass spectrometer system |
JP4191094B2 (ja) * | 2004-06-08 | 2008-12-03 | 株式会社山武 | マススペクトル解析装置、マススペクトル解析方法及びマススペクトル解析プログラム |
US7735146B2 (en) * | 2005-01-27 | 2010-06-08 | The George Washington University | Protein microscope |
JP4569349B2 (ja) | 2005-03-29 | 2010-10-27 | 株式会社島津製作所 | 飛行時間型質量分析装置 |
TWI334027B (en) * | 2007-04-30 | 2010-12-01 | Univ Nat Sun Yat Sen | Mass spectrometric analysis for detecting analytes in a solid-state sample |
JP5078456B2 (ja) * | 2007-06-19 | 2012-11-21 | キヤノン株式会社 | 質量分析用基板、質量分析方法および質量分析装置 |
US8073635B2 (en) | 2008-02-15 | 2011-12-06 | Dh Technologies Development Pte. Ltd. | Method of quantitation by mass spectrometry |
JP5719433B2 (ja) | 2010-06-10 | 2015-05-20 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 質量スペクトルを分析するための方法、コンピュータ・プログラム、およびシステム |
-
2011
- 2011-05-16 JP JP2013513600A patent/JP5719433B2/ja active Active
- 2011-05-16 WO PCT/EP2011/057835 patent/WO2011154219A2/en active Application Filing
- 2011-05-16 EP EP11719824.2A patent/EP2580772B1/en active Active
- 2011-05-16 US US13/698,376 patent/US9773090B2/en not_active Expired - Fee Related
- 2011-05-16 CN CN201180025378.1A patent/CN102906851B/zh active Active
- 2011-06-10 TW TW100120337A patent/TWI493168B/zh active
-
2013
- 2013-10-16 US US14/054,893 patent/US9400868B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10859552B2 (en) | 2017-06-20 | 2020-12-08 | The Hong Kong Polytechnic University | Edible oil analysis system and method |
Also Published As
Publication number | Publication date |
---|---|
CN102906851B (zh) | 2015-09-16 |
JP5719433B2 (ja) | 2015-05-20 |
US9773090B2 (en) | 2017-09-26 |
US20130073219A1 (en) | 2013-03-21 |
EP2580772B1 (en) | 2015-03-11 |
WO2011154219A3 (en) | 2012-03-08 |
JP2013528287A (ja) | 2013-07-08 |
TWI493168B (zh) | 2015-07-21 |
US20140052385A1 (en) | 2014-02-20 |
EP2580772A2 (en) | 2013-04-17 |
CN102906851A (zh) | 2013-01-30 |
WO2011154219A2 (en) | 2011-12-15 |
US9400868B2 (en) | 2016-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Letertre et al. | Combined nuclear magnetic resonance spectroscopy and mass spectrometry approaches for metabolomics | |
Boccard et al. | Harnessing the complexity of metabolomic data with chemometrics | |
JP6089345B2 (ja) | 時および/または空間系列ファイルの多成分回帰/多成分分析 | |
Vaudel et al. | Peptide and protein quantification: a map of the minefield | |
Finck et al. | Normalization of mass cytometry data with bead standards | |
Euceda et al. | Preprocessing of NMR metabolomics data | |
Smith et al. | Analysis of time-correlated single photon counting data: a comparative evaluation of deterministic and probabilistic approaches | |
CN107505346B (zh) | 预测流体类别样本中特别是生物流体样本中nmr自旋系统的化学位移值的方法 | |
JP2009530648A (ja) | サンプル内の個々の要素を識別及び定量化するために分光測定データを分析するシステム、方法及びコンピュータプログラム製品 | |
TW201224428A (en) | A method computer program and system to analyze mass spectra | |
JP5945365B2 (ja) | Nmrスペクトルから物質を同定するための方法 | |
Purvine et al. | Spectral quality assessment for high-throughput tandem mass spectrometry proteomics | |
Karaman et al. | Sparse multi-block PLSR for biomarker discovery when integrating data from LC–MS and NMR metabolomics | |
Wang et al. | Sodium abundances of AGB and RGB stars in Galactic globular clusters-II. Analysis and results of NGC 104, NGC 6121, and NGC 6809 | |
JPWO2018134952A1 (ja) | 分析データ解析方法および分析データ解析装置 | |
Schwager et al. | CCREPE: compositionality corrected by permutation and renormalization | |
Smirnov et al. | Mass difference maps and their application for the recalibration of mass spectrometric data in nontargeted metabolomics | |
Gao et al. | Deep representation features from DreamDIAXMBD improve the analysis of data-independent acquisition proteomics | |
WO2012132169A1 (ja) | リスクプロファイル生成装置 | |
CORNER | The isber biorepository proficiency testing program: two successful years already, and new features to come | |
Stringer et al. | An ergodic measure for Diffusion Monte Carlo ground state wavefunctions: Application to a hydrogen cluster with an isotopic impurity | |
Powell et al. | The relationship between substructure in 2D X-ray surface brightness images and weak-lensing mass maps of galaxy clusters: a simulation study | |
US20230138086A1 (en) | Data analysis system and computer program | |
Browning et al. | Managing missing measurements in small-molecule screens | |
Skakun et al. | Initial guesses generation for fluorescence intensity distribution analysis |