[发明专利]用于量热数据中的自动峰值查找的方法

说明书

技术领域

本发明涉及用于分析从量热仪器获取的量热数据的方法，以及具体来说，涉及用于自动识别量热数据中的峰值和/或峰值位置的方法。

背景技术

差示扫描量热法（DSC）是用于热分析的热分析技术。DSC兼作为常规质量检测和研究工具，广泛地用于多个应用范围。例如，DSC可以用于研究化合物的稳定性、安全性筛检、药物分析或药物分析。

在量热应用中，若干峰值查找方法用于识别量热数据中的多个峰值。这些方法中大多数使用用户提供的对峰值数量和每个峰值位置的初始估测。在人工过程中，用户可见地评估单峰拟合，并且决定是否可能存在另外的峰值。但是，在低信号/高噪声数据中，多个峰值对于用户来说变得无法鉴别，从而迫使用户假设单峰。再者，人工过程还引入用户相关的可变性。

因此，将期望提供只需最小用户输入的用于分析量热数据的自动化方法以确定量热数据中的峰值（包括对用户不可见的峰值）的数量和位置。

发明内容

在一个实施例中，提供一种用于自动地确定一组量热数据中的一个或多个量热峰值的位置的方法。该方法包括a）提供量热数据的非线性拟合，b）通过从量热数据减去非线性拟合来计算残差，c)基于该残差计算误差，d）将该误差与预定的误差比较，以及e）如果该误差大于预定的误差，则提供另一个非线性拟合。

在另一个实施例中，提供一种用于自动地确定一组量热数据中的一个或多个量热峰值的位置的方法。该方法包括a）提供量热数据的第一非线性拟合，b）通过从量热数据减去第一非线性拟合来确定第一残差，c)基于第一残差计算第一误差，d）提供量热数据的第二非线性拟合，e）通过从量热数据减去第二非线性拟合来确定第二残差，f)基于第二残差计算第二误差，g）将第一误差和第二误差进行比较，以及f)选择与较低误差对应的非线性拟合。

附图说明

当参考附图阅读下文详细描述时，本发明的这些和其他特征、方面和优点将变得更好地理解，其中，在所有附图中，同样的符号表示同样的部件，其中： 

图1是用于量热数据的自动峰值拟合的示例方法的流程图；

图2是用于量热数据的自动峰值拟合的另一个示例方法的流程图；

图3是用于自动峰值拟合的量热数据的示例的示图；以及

图4是用于相对于图3的量热数据中拟合的峰值数量确定RMS的示图。

具体实施方式

本发明的方法的一个或多个示例涉及以最小或没有用户输入分析量热数据以用于确定量热峰值（包括对人眼不易可见的峰值）的数量和位置。在某些示例中，用于自动确定一个或多个量热峰值的位置的方法包括，执行最大峰值的位置的非线性拟合，从量热数据减去非线性拟合以获得残差，基于该残差计算误差；将该误差与预定的误差比较；以及如果该误差大于预定的误差，则提供另一个非线性拟合。

虽然这些方法的一个或多个示例用于分析量热数据，但是这些方法可以适用于具有相似分布的其他数据类型以及对具有相似分布的其他数据类型建模。可以使用其中峰值对于用户或操作员以其他方式不可见的方法来确定量热数据中的峰值。在一个示例中，这些峰值可能由于数据中的高噪声水平而不可见。可以修改这些方法以适于要分析的数据类型。例如，取代计算均方根误差，其他可能的评估度量包括均方误差、平均绝对误差、卡方误差、相关系数或一致误差。

在一个实施例中，用于对曲线建模的理论表达可以包括热模型，例如但不限于，独立二态过渡模型、非二态或非独立（即，协作）模型。在一个示例中，该非线性拟合可以是基于总数的。例如，峰值的形状可以与试验过程期间给定时间点处展开的蛋白质的数量相关，峰值可以出现在50%的蛋白质已展开的点处，从而表示焓的整体变化。非线性拟合的非限制性示例可以包括高斯、柯西、高斯和柯西分布的加权混合、非对称高斯、从高斯到柯西分布的单调过渡）。等式1-3是对曲线建模的理论表达的示例。该模型基于二态过渡模型。等式1-3包括量热系统特定的参数。