[發明專利]基于數據非依賴采集質譜的分子組學數據結構的實現方法

有效

• 申請號: 202010144110.0
• 申請日: 2020-03-04
• 公開（公告）號: CN111370072B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 郭天南;欒鐘治;李子青;張芳菲;禹韶陽;臧澤林
• 申請（專利權）人: 西湖大學
• 主分類號: G16C20/20
• 分類號: G16C20/20;G16C20/80;G16C20/70;G01N27/62
• 代理公司: 無錫市匯誠永信專利代理事務所(普通合伙) 32260
• 代理人: 張歡勇

1.一種基于數據非依賴采集質譜的分子組學數據結構的實現方法，步驟包括：

步驟A：將質譜原始數據文件轉換為mzXML格式文件，并同時對質譜原始數據進行質荷中心化處理，得到的mzXML格式文件包含一級質譜和二級質譜數據的所有必要信息；

步驟B：從步驟A得到的mzXML格式文件中提取需要的質譜數據，所述質譜數據至少包含以下屬性：掃描級別、掃描索引、保留時間、前體離子質荷比、碎片離子質荷比和碎片離子強度；

步驟C：對步驟B提取的質譜數據根據掃描級別和掃描索引來統計總循環次數和循環次數索引，同時進行丟失掃描檢測，在所有丟失的位置填補0占位符和獲取該數據中碎片離子對應的前體離子的窗口、循環次數索引；

步驟D：根據碎片離子質荷比屬性，對步驟C獲得的質譜數據進行分箱處理，對落在同一個碎片離子質荷比分箱的碎片離子強度數值進行加和處理；

步驟E：對步驟D處理后的質譜數據執行重排序操作，所述重排序是指根據二級質譜對應的前體離子質荷比數據，得到其對應的窗口索引，并將具有相同窗口索引的二級質譜按照循環次數索引的順序重新排列在一起；

步驟F：對經步驟E處理后的數據，以循環次數索引、碎片離子質荷比、碎片離子所對應的前體離子窗口索引三個維度構成二級質譜碎片離子強度的張量數據。

2.根據權利要求1所述的基于數據非依賴采集質譜的分子組學數據結構的實現方法，其特征在于：還包括步驟G：通過對不同維度的數據進行池化運算減小張量數據的大小后生成池化后的DIAT張量數據。

3.根據權利要求2所述的基于數據非依賴采集質譜的分子組學數據結構的實現方法，其特征在于：所述步驟G中池化的方法為：首先在每個二階窗口中，對前體離子質荷比的非零值進行分布統計，獲得一個具有預定義網格的主副交替峰模式，再利用此主副交替峰模式的規律對不同質荷比區域進行池化，使用非零強度分布峰的非線性平方高斯擬合來動態確定需要合并質荷比區域的上下邊界，最后舍棄所有無峰網格，并將各個主、副峰區域的多行合并成一行，將質荷比維度的行數減少。

4.根據權利要求2所述的基于數據非依賴采集質譜的分子組學數據結構的實現方法，其特征在于：還包括以下步驟：在獲得池化后的DIAT張量數據后，將DIAT張量數據處理為偽彩色圖像以達到可視化。

5.根據權利要求2所述的基于數據非依賴采集質譜的分子組學數據結構的實現方法，其特征在于：還包括以下步驟：在獲得池化后的DIAT張量數據后，將DIAT張量數據中的碎片離子強度灰度化，作為深度學習的輸入模型。