[发明专利]基于数据非依赖采集质谱的分子组学数据结构的实现方法

权利要求书

1.一种基于数据非依赖采集质谱的分子组学数据结构的实现方法，步骤包括：

步骤A：将质谱原始数据文件转换为mzXML格式文件，并同时对质谱原始数据进行质荷中心化处理，得到的mzXML格式文件包含一级质谱和二级质谱数据的所有必要信息；

步骤B：从步骤A得到的mzXML格式文件中提取需要的质谱数据，所述质谱数据至少包含以下属性：扫描级别、扫描索引、保留时间、前体离子质荷比、碎片离子质荷比和碎片离子强度；

步骤C：对步骤B提取的质谱数据根据扫描级别和扫描索引来统计总循环次数和循环次数索引，同时进行丢失扫描检测，在所有丢失的位置填补0占位符和获取该数据中碎片离子对应的前体离子的窗口、循环次数索引；

步骤D：根据碎片离子质荷比属性，对步骤C获得的质谱数据进行分箱处理，对落在同一个碎片离子质荷比分箱的碎片离子强度数值进行加和处理；

步骤E：对步骤D处理后的质谱数据执行重排序操作，所述重排序是指根据二级质谱对应的前体离子质荷比数据，得到其对应的窗口索引，并将具有相同窗口索引的二级质谱按照循环次数索引的顺序重新排列在一起；

步骤F：对经步骤E处理后的数据，以循环次数索引、碎片离子质荷比、碎片离子所对应的前体离子窗口索引三个维度构成二级质谱碎片离子强度的张量数据。

2.根据权利要求1所述的基于数据非依赖采集质谱的分子组学数据结构的实现方法，其特征在于：还包括步骤G：通过对不同维度的数据进行池化运算减小张量数据的大小后生成池化后的DIAT张量数据。

3.根据权利要求2所述的基于数据非依赖采集质谱的分子组学数据结构的实现方法，其特征在于：所述步骤G中池化的方法为：首先在每个二阶窗口中，对前体离子质荷比的非零值进行分布统计，获得一个具有预定义网格的主副交替峰模式，再利用此主副交替峰模式的规律对不同质荷比区域进行池化，使用非零强度分布峰的非线性平方高斯拟合来动态确定需要合并质荷比区域的上下边界，最后舍弃所有无峰网格，并将各个主、副峰区域的多行合并成一行，将质荷比维度的行数减少。

4.根据权利要求2所述的基于数据非依赖采集质谱的分子组学数据结构的实现方法，其特征在于：还包括以下步骤：在获得池化后的DIAT张量数据后，将DIAT张量数据处理为伪彩色图像以达到可视化。

5.根据权利要求2所述的基于数据非依赖采集质谱的分子组学数据结构的实现方法，其特征在于：还包括以下步骤：在获得池化后的DIAT张量数据后，将DIAT张量数据中的碎片离子强度灰度化，作为深度学习的输入模型。