[发明专利]复杂样本GC-MS自动解析实现化合物准确鉴别与差异性组分筛查的方法

摘要

本发明提供了一种复杂样本GC‑MS自动解析实现化合物准确鉴别与差异性组分筛查的方法，属于气相色谱‑质谱联用数据解析。首先针对TIC和EIC下的色谱峰进行自动化提取，随后明确每个TIC色谱峰的解析范围，查找解析范围内的EIC色谱峰信息。根据EIC色谱峰信息进行聚类，获得每一个类的代表性色谱轮廓谱图。经过筛查后，构建初始色谱谱图矩阵，利用修正的多元曲线分辨‑交替最小二乘法对初始色谱谱图矩阵进行优化解析，获得每个TIC色谱峰下的化学成分。将解析所得每个化学成分的质谱谱图导入到质谱库中自动匹配化合物，完成单个样本GC‑MS中化合物智能化精准识别。本发明在GC‑MS技术涉及的科研、检测、工业应用等领域，具有良好的应用价值。

主权项

1.一种复杂样本GC‑MS自动解析实现化合物准确鉴别与差异性组分筛查的方法，其特征在于，包括以下步骤：a.提取GC‑MS质谱中的TIC色谱峰及EIC色谱峰；b.明确每个所述TIC色谱峰的解析范围，查找解析范围内的所述EIC色谱峰信息；c.根据所查找到的EIC色谱峰信息对所述EIC色谱峰进行聚类，获得每一个类的代表性色谱轮廓谱图；d.构建初始色谱谱图矩阵，利用修正的多元曲线分辨‑交替最小二乘法对初始色谱谱图矩阵进行优化解析，获得每个所述TIC色谱峰下的化学成分的质谱谱图；e.构建质谱谱库，所述质谱谱库中包含标准化合物质谱谱图，将解析所得的每个TIC色谱峰下的化学成分的质谱谱图导入至所述质谱谱库，进行单一样本中化合物的自动识别；f.对不同样本分组，利用统计分析方法筛选组间有差异的代谢物；其中，步骤c中，“对EIC色谱峰进行聚类”方法为：根据每个所述EIC峰色谱轮廓谱图的形状，采用层次聚类法进行聚类，包括以下步骤：c1.采用Pearson相关系数衡量色谱轮廓之间的相似度；c2.将相似度低于预定相似度阈值，并且EIC色谱峰之间的距离大于预定距离阈值的相似度设置为0；c3.根据相关系数从大到小，将EIC色谱峰进行聚类。