[发明专利]一种核心岩藻糖鉴定方法、系统、设备、介质及终端

权利要求书

1.一种核心岩藻糖鉴定方法，其特征在于，所述核心岩藻糖鉴定方法包括以下步骤：

步骤一，引入特征离子；

步骤二，数据预处理；

步骤三，模型训练；

步骤四，阈值计算；

步骤五，核心岩藻糖鉴定。

2.如权利要求1所述核心岩藻糖鉴定方法，其特征在于，步骤一中，所述引入特征离子，包括：

五糖核心是N-糖包含的固有结构，即理论上核心岩藻糖碎裂后产生的Y离子均包括10种离子，称为岩藻糖鉴定的特征离子，而岩藻糖迁移到五糖核心部分产生的Y离子的质量与这10种特征离子的质量不同。

3.如权利要求1所述核心岩藻糖鉴定方法，其特征在于，步骤二中，所述数据预处理，包括：

去除FUT8的小鼠组织中不存在核心岩藻糖；对这些组织的质谱数据进行归一化处理，即将质谱数据上每一Y离子的丰度与所有离子的丰度之和相除，获得归一化的质谱数据：

将所述归一化质谱数据的所述10个特征离子的相对丰度作为训练数据。

4.如权利要求1所述核心岩藻糖鉴定方法，其特征在于，步骤三中，所述模型训练，包括：

训练非核心岩藻糖自编码器；所述非核心岩藻糖自编码器是一个7层人工神经网络，输入层和输出层都包含10个人工神经元，隐藏层从左至右分别包含9个人工神经元、8个人工神经元、7个人工神经元、8个人工神经元和9个人工神经元，相邻两层的人工神经元之间是全连接；其中，所述人工神经元的激活函数使用tanh函数，神经网络的梯度下降训练方法使用的是Adam算法，学习速率设置为0.0001，最大迭代次数为1000，容忍误差为0.0000001。

5.如权利要求1所述核心岩藻糖鉴定方法，其特征在于，步骤四中，所述阈值计算，包括：

记非核心岩藻糖质谱图归一化后的数据集为X＝{x⁽¹⁾,x⁽²⁾,x⁽³⁾,…x^(N)}，自编码器为f_φ·g_θ，计算数据集X中x⁽ⁱ⁾的重构误差，记为

阈值α的计算为：

α＝μ+k·σ；

其中，μ为的平均值，σ为的标准差，k为用户参数。

6.如权利要求1所述核心岩藻糖鉴定方法，其特征在于，步骤五中所述核心岩藻糖鉴定，包括：

记待鉴定质谱数据经归一化的数据集为Y＝{y⁽¹⁾,y⁽²⁾,y⁽³⁾,…y^(M)}，计算数据集Y中y⁽ⁱ⁾的重构误差，记为

若则将第i张待鉴定的质谱图鉴定为核心岩藻糖；若则将第i张待鉴定的质谱图鉴定为非核心岩藻糖。

7.一种应用如权利要求1～6任意一项所述核心岩藻糖鉴定方法的核心岩藻糖鉴定系统，其特征在于，所述核心岩藻糖鉴定系统包括：

特征离子引入模块，用于引入岩藻糖鉴定的特征离子；

数据预处理模块，用于去除FUT8的小鼠组织中不存在的核心岩藻糖，并对所述质谱数据进行归一化处理；

模型训练模块，用于训练非核心岩藻糖自编码器；

阈值计算模块，用于计算数据集X中x⁽ⁱ⁾的重构误差均值和方差，进而确定阈值；

核心岩藻糖鉴定模块，用于通过计算数据集Y中y⁽ⁱ⁾的重构误差，进行核心岩藻糖的鉴定。