用于实时同位素识别的系统和方法技术方案

描述了一种用于实时材料识别的方法的实施例，其包括根据从未知材料的质谱分析得到的光谱信息确定未知材料的近似质量值；使用该近似质量值从数据结构中检索对应于已知材料的轮廓模型；将来自光谱信息的未知材料的样本轮廓拟合到轮廓模型，以生成每个拟合的拟合分数，其中最低拟合分数对应于最佳拟合；从最佳拟合轮廓模型和样本轮廓计算质量值。

System and Method for Real-time Isotope Recognition

【技术实现步骤摘要】
【国外来华专利技术】用于实时同位素识别的系统和方法
本专利技术涉及材料的质谱分析和用于光谱轮廓的实时解卷积的方法以及丰度的定量测量。
技术介绍
质谱测量法已被广泛用于识别各种应用的样本中存在的材料。然而，由于精确光谱解卷积所需的高水平处理，已经证明光谱数据的实时分析非常具有挑战性。使用包括电喷雾电离(也称为“ESI”)或激光喷雾电离技术的各种技术产生的数据的质谱分析特别具有挑战性，因为它们通常产生具有相同同位素轮廓(profile)的离子，这些离子由于分析物分子的多次充电而在多个电荷态被检测到。这通常将质谱分析的效用限制在那些不需要实时分析数据的应用中。这里使用的术语“实时”通常是指以基本相同的速率报告、描绘或反应事件，有时基本上与它们展开同时，而不是延迟报告或动作。例如，“基本相同”的速率和/或时间可以包括与事件展开的速率和/或时间的一些小的差异。在本实例中，实时报告或动作还可以被描述为与事件展开的速率和/或时间“接近”、“相似”或“可比较”。出于多种原因，实时光谱解卷积、材料识别和报告是重要的。一个原因包括所产生的答案对于指导时间敏感的决策很有用。一些决定包括在同一分析过程中可以制作的主题材料的附加分析，该分析过程产生材料的原始光谱信息。例如，提供实时决策权的能力在临床环境中尤其重要，其中患者结局可以显著改善。ESI是一种广泛用于质谱分析应用的技术，用于从大分子产生离子种类。在典型的应用中，感兴趣的分析物溶解在液体溶液中并通过具有电势的ESI发射器喷射以产生带电液滴。液滴携带电荷，该电荷与溶剂蒸发的效果相结合，导致包括具有各种电荷状态的分析物的气相离子的产生。离子前进到质谱仪的其他区域以供分析。类似地，利用激光喷射电离，当固定到载玻片上并用基质(例如2,5-二羟基苯乙酮)覆盖的样本被来自载玻片背面的激光脉冲撞击时，可以形成多种带电离子。然后，使用电势将来自电离李的作为结果的离子转移到质谱仪中。在某些情况下，激光喷雾电离比ESI具有更好的效率，并且离子丰度可以高出几个数量级。例如，激光喷雾电离的一些实施方案提供了某些类型的生物分子或生物分子组合(例如蛋白质-DNA相互作用)的溶液相特征的更好表示。最近，拟合和生物(或聚合物)样本的质谱同位素轮廓建模领域的进步已经使得实时光谱解卷积更加可行。第一个进步包括有时被称为“Averagine(平均氨基酸)”的概念。通过估算化合物的元素组成，Averagine方法产生作为质量的函数的同位素轮廓模型的近似值。1995年Senko等人在JASMS中描述了Averagine方法的实例，标题为“来自解析的同位素分布的大生物分子的单一同位素质量和离子群的确定”，出于所有目的其通过引用整体并入本文。第二个进步包括使用同位素查找表和电荷状态测定，其包括通过快速电荷状态测定和在查找表中预先缓存同位素轮廓的大规模自动拟合过程。一个实例包括有时被称为由Horn等人在2000年的JASMS中描述的“THRASH”算法，标题为“大分子的高分辨率电喷雾质谱的自动还原和解释”，出于所有目的其通过引用结合到本文中。第三个进步包括表征同位素轮廓，其或者是通过电荷重叠的(例如，如Zhang等人在1997年JASMS中所描述的，标题为“Auniversalalgorithmforfastandautomatedchargestatedeconvolutionofelectrospraymass-to-chargeratiospectra(用于电喷雾质荷比光谱的快速和自动电荷状态解卷积的通用算法)”，出于所有目的通过引用将其整体并入本文)，或者是强度(例如，如Renard在2008年BMC生物信息学中所描述的，标题为“NITPICKPeakidentificationformassspectroscopydata(质谱数据的NITPICK峰识别)”；或Kronewitter在2012年Proteomics中所描述的，标题为“TheGlycolyzerautomatedglycanannotationsoftwareforhighperformancemassspectrometryanditapplicationtoovariancancerglycanbiomarkerdiscovery(用于高性能质谱分析的糖酵解器自动聚糖注释软件及其在卵巢癌聚糖生物标志物发现中的应用)”，出于所有目的其中的每一个都通过引用整体并入本文)。最后，第四个进步包括使用精确的元素组成，而不是Averagine方法来开发同位素轮廓模型。元素组成方法先验地利用材料元素组成的知识来生成材料的一个或多个同位素轮廓模型(例如，如Kronewitter在2014年Anal.Chem.中所描述的，标题为“GlyQ-IQglycomicsquintavariate-informedquantificationwithhigh-performancecomputingandGlycoGrid4Dvisualization(具有高性能计算和GlycoGrid4D可视化的GlyQ-IQ糖组学五元变量通知的量化)”，出于所有目的将其通过引用整体并入本文)。通常，先前描述的方法在运行时计算同位素轮廓或执行预先计算的轮廓的简单阵列查找。不幸的是，先前的方法在从大量候选物中识别材料的能力方面太慢且受限，而质谱仪正在获取来自其他材料的质谱信息。因此，非常希望具有一种分析方法，该分析方法在本质上提高计算机处理的速度和性能，以便为广泛的应用提供化合物的准确实时识别和量化。例如，增加的处理性能更快地完成每个任务，从而为其他实时计算任务释放处理资源，这使得快速和准确的识别和量化成为可能。
技术实现思路
在此，关于说明性的、非限制性实施方式描述了用于解决这些和其他需求的系统、方法和产品。各种替代、修改和等同物是可能的。描述了一种用于实时材料识别的方法的实施例，其包括：从未知材料的质谱分析得到的光谱信息确定未知材料的近似质量值；使用近似质量值检索与数据结构中的已知材料相对应的轮廓模型；将来自光谱信息的未知材料的样本轮廓拟合到轮廓模型以生成每个拟合的拟合分数，其中最低拟合分数对应于最佳拟合；从最佳拟合轮廓模型和样本轮廓计算质量值。在一些实施方式中，该方法还可以包括确定对应于最佳拟合轮廓模型的已知材料并计算已知材料的丰度的测量。例如，可以通过用强度校正因子缩放(scaling)样本轮廓来计算丰度的测量。在一些情况下，可以使用顶点同位素强度作为被除数的除数来计算强度校正因子关系，其包括缩放到顶点同位素强度的样本轮廓。或者，可以使用同位素轮廓的浮滤区(floatingfilterarea)作为被除数的除数来计算强度校正因子关系，其包括缩放到同位素轮廓的浮滤区的样本轮廓。同样，描述了用于计算材料的质量值的系统的实施例，其包括：适于从未知材料生成光谱信息的质谱仪；以及存储有可执行代码的计算机，其中可执行代码执行包括以下步骤的方法：从光谱信息确定未知材料的近似质量值；使用近似质量值从数据结构中检索对应于已知材料的多个轮廓模型；将来自光谱信息的未知材料的样本轮廓拟合到轮廓模型以生成每个拟合的拟合分数，其中最低拟合分数对应于最佳拟合；以及从最佳拟合轮廓模型和样本轮廓计算质量值。上述实施例和实本文档来自技高网...

【技术保护点】
1.一种用于计算材料的质量值的方法，包括：从未知材料的质谱分析得到的光谱信息确定未知材料的近似质量值；使用所述近似质量值从数据结构中检索对应于已知材料的多个轮廓模型；将来自光谱信息的未知材料的样本轮廓拟合到轮廓模型，以生成每个拟合的拟合分数，其中最低拟合分数对应于最佳拟合；从最佳拟合轮廓模型和样本轮廓计算质量值。

【技术特征摘要】
【国外来华专利技术】2016.10.07 US 62/405,4521.一种用于计算材料的质量值的方法，包括：从未知材料的质谱分析得到的光谱信息确定未知材料的近似质量值；使用所述近似质量值从数据结构中检索对应于已知材料的多个轮廓模型；将来自光谱信息的未知材料的样本轮廓拟合到轮廓模型，以生成每个拟合的拟合分数，其中最低拟合分数对应于最佳拟合；从最佳拟合轮廓模型和样本轮廓计算质量值。2.根据权利要求1所述的方法，还包括：确定与最佳拟合轮廓模型相对应的已知材料。3.根据权利要求2所述的方法，还包括：计算已知材料的丰度的测量。4.根据权利要求3所述的方法，其中：通过用强度校正因子缩放样本轮廓来计算丰度的测量。5.如权利要求4所述的方法，其中：使用顶点同位素强度作为被除数的除数来计算强度校正因子关系，其包括缩放到所述顶点同位素强度的所述样本轮廓。6.如权利要求4所述的方法，其中：使用同位素轮廓的浮滤区作为被除数的除数来计算所述强度校正因子关系，其包括缩放到所述同位素轮廓的浮滤区的所述样本轮廓。7.根据权利要求1所述的方法，其中：所述数据结构包括散列表。8.根据权利要求1所述的方法，其中：所述近似质量值包括单一同位素质量值。9.根据权利要求1所述的方法，其中：所述近似质量值包括平均质量值。10.根据权利要求1所述的方法，其中：所述未知材料的近似质量值对应于所述已知材料的质量值。11.根据权利要求1所述的方法，其中：所述近似质量值包括用于访问散列表中的轮廓模型的关键字值。12.根据权利要求1所述的方法，还包括：从散列表数据结构中检索迭代表；以及使用所述迭代表将未知材料的样本轮廓拟合到轮廓模型。13.根据权利要求12所述的方法，其中：基于对应于已知材料的同位素信息预先计算所述迭代表。14.根据权利要求1所述的方法，其中：使用多个质量值的数据合并方法计算所述质量值，每个质量值对应于来自样本轮廓的同位素质心。15.根据权利要求14所述的方法，其中：所述数据合并方法包括平均值。16.根据权利要求14所述的方法，其中：来自所述样本轮廓的同位素质心对应于使用浮动滤波器选择的多个质量值。17.根据权利要求1所述的方法，其中：所述轮廓模型包括对应于使用浮动滤波器减小尺寸的已知材料的全同位素轮廓模型。18.根据权利要求17所述的方法，其中：所述浮动滤波器定义以所述轮廓模型的峰为中心的所述轮廓模型的百分比范围。19.根据权利要求1所述的方法，其中：通过计算进行确定的步骤在大约10μs内执行。20.根据权利要求1所述的方法，其中：所述样本轮廓包括对应于所述未知材料的单同位素轮廓。21.根据权利要求1所述的方法，其中：所述样本轮廓包括来自与所述未知材料相对应的多个同位素轮廓的平均值。22.根据权利要求1所述的方法，还包括：将所述质量值和所述最佳拟合轮廓模型返回给用户。23.一种用于计算材料质量值的系统，包括：质谱仪，适于从未知材料产...

【专利技术属性】
技术研发人员：S·R·科朗文特，J·L·斯蒂芬森，P·F·伊普，
申请(专利权)人：萨莫芬尼根有限责任公司，
类型：发明
国别省市：美国,US