happytiankong1
第1楼2016/07/25
附加:小常识
折返分离算法:
1、折返分离算法的运算以GC-MS数据的矩阵表达形式为基础。
2、原始的GC-MS数据可多次使用折返算法获取和原数据信息量一致的新数据集,利用折返算法的收敛性质,对新的数据集进行数据简化和合并,以检测被测混合物中可能存在的化合物的数目以及各个化合物的保留时间,针对检测出的组分利用矩阵重建以提取各个化合物的纯净质谱谱图。
3、经实验数据验证,折返退卷积算法和AMDIS系统提取的各个化合物的保留时间和纯净质谱图均一致折返退卷积算法可到达和通用商用退卷积软件AMDIS等同的效果。
聚类退卷积算法:
1、当共流出物的保留时间十分接近,在检测中流出各组分的碎片峰具有相同的保留时间时,传统的算法将无能无力。针对保留时间十分接近的组分的共流出问题,基于聚类分析中的K-medoids算法提出一种聚类退卷算法。
2、GC-MS数据的K-medoids聚类退卷积算法分为三个步骤:峰检测,聚类分析,色谱峰峰形校正。峰检测寻找并记录每一个EIC中峰和相关参数;聚类分析基于峰顶对应的留出时间和峰形将碎片离子进行分类;色谱峰形校正对聚类分析后的每一类色谱峰进行峰形校正,以提取该组分的保留时间。
3、对GC-MS数据分别进行AMDIS分析和聚类退卷积处理:对于色谱峰重合并不严重的共流出化合物,两种方法的效果一致。当共流出化合物保留时间接近,小于一个扫描时间时,AMDIS无法分离得出各个组分的纯净质谱图,而聚类退卷积算法可以实现共流出化合物的有效分离,从而获取各组分的纯净质谱图。