[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

说明书

本发明涉及生物分子组学质谱数据技术领域，尤其涉及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，该质谱数据结构是由质谱原始数据生成的DIAT张量数据，具有三个维度的属性，第一维度为循环次数索引，第二维度为碎片离子质荷比，第三维度为碎片离子所对应的前体离子窗口索引。本案所述的DIAT张量数据完整度高，便于读取且读取速度快，DIAT文件大小仅为mzXML文件的几十分之一，通过可视化池化的DIAT文件图像能够对DIA质谱数据直接观察，能够直接使用视觉处理算法对DIAT张量进行分析，避免了需要大计算量抽取离子色谱峰的操作，并且能够直接根据此文件建立临床样品分类的计算机深度学习模型。

技术领域

本发明涉及生物分子组学质谱数据技术领域，尤其涉及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。

背景技术

基于质谱(即Mass Spectrum，缩写为MS)的组学已经发展了几十年，并已发展出能够利用其在数小时内对复杂生物样品中成千上万种生物分子,进行谱分析的应用。生物分子经过液相色谱(即liquid chromatography，缩写为LC)分离并通过串联质谱(MS/MS)碎片离子谱鉴定和定量，并以此鉴定和定量生物分子,应用包括蛋白质组学,代谢组学和脂质组学。

基于质谱的组学目前有以下几种采集模式：

1.数据依赖性采集(简称DDA)：数据依赖型采集依赖于样品的一级谱图中前体离子的强度，按前体离子排序进行二级碎裂具有一定随机性,鉴定重现性较低；

2.靶向监测(简称SRM)：目标方法-选定的反应监测虽然可以精确地分析一组预定义分子，但通量只有数百条；

3.数据非依赖性采集(简称DIA)：DIA(即Data independent acquisition)是一项全息式数据非依赖性采集定量技术，它将质谱整个全扫描范围分为若干个窗口，高速、循环地对每个窗口中的所有离子进行选择、碎裂及检测，从而无遗漏、无差异地获得样本中所有离子的全部碎片信息，无需指定目标分子，扫描点数均匀，利用谱图库即可实现定性确证和定量离子筛选，并可实现数据回溯。例如：卫星扫描质谱技术(SWATH)将一级质谱分为一系列相邻的25m/z(即25m/z)或更大尺寸的前体离子选择窗口，在每一个窗口中，每个前体离子与所有其他前体离子同时破碎，并同时记录了源自同一窗口的碎片离子的相应多重谱图，落入相同前体离子窗口的碎片离子可以被系统地无偏差记录，克服了DDA模式下前体离子选择的随机性的同时，也保留了目标方法的高准确性。数据非依赖采集的质谱方法可以重复覆盖低丰度的分子，从而可以产生一个永久的数字图谱来代表所有可测量的分子信号，作为生物分子组学的电子档案。