[發明專利]一種用于測定藍細菌毒素的試劑盒

在審

• 申請號: 202010977457.3
• 申請日: 2020-09-17
• 公開（公告）號: CN112396158A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 于紅衛;孫楓林;鞠光秀;宋旭巖;楊超
• 申請（專利權）人: 青島市疾病預防控制中心（青島市預防醫學研究院）
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T3/40;G06T7/155;G01N27/62
• 代理公司: 青島鼎尖知識產權代理有限公司 37318
• 代理人: 宋濤

1.一種用于測定藍細菌毒素的試劑盒，其特征在于，所述用于測定藍細菌毒素的試劑盒包括：

弱陽離子交換樹脂、弱陰離子交換樹脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物。

2.一種如權利要求1所述的用于測定藍細菌毒素的試劑盒測定方法，其特征在于，所述用于測定藍細菌毒素的試劑盒測定方法包括以下步驟：

步驟一，通過質譜儀采集藍細菌質譜圖像；通過圖像增強程序對采集質譜圖像進行增強處理；

步驟二，通過包含弱陽離子交換樹脂、弱陰離子交換樹脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物的固相提取設備上制備潛在包括環肽和生物堿藍細菌毒素的水樣品，以形成保留或濃縮的毒素樣品，使所述保留或濃縮的毒素樣品在流動相中洗脫或重構，以形成樣品提取物；

步驟三，將潛在包括環肽或生物堿藍細菌毒素的樣品提取物置于質譜儀中以形成質譜，根據質譜來測定藍細菌毒素；通過分離設備將提取物中的藍細菌進行分離；

步驟四，對分離的藍細菌進行密封凍存處理；

步驟五，通過顯示器顯示采集的藍細菌質譜圖像、測定結果。

3.如權利要求2所述用于測定藍細菌毒素的試劑盒，其特征在于，所述通過圖像增強程序對采集質譜圖像進行增強處理方法如下：

(1)基于藍細菌樣本質譜圖像形態學特征圖的訓練樣本數據集制作；

(2)設計層級連接的深度卷積神經網絡，用于學習預測低分辨率質譜形態學特征圖中缺失的化學信息；

(3)構建質譜圖像可視化的能量泛函G(u)，將超分辨重建后的高分辨率形態學信息重建成可視化的高分辨率質譜圖像；

其中E為測試階段網絡輸出的高分辨率形態學特征圖，u為目標高分辨率質譜圖像。

4.如權利要求3所述用于測定藍細菌毒素的試劑盒，其特征在于，所述基于藍細菌樣本質譜圖像形態學特征圖的訓練樣本數據集制作方法：

(1.1)采用質譜成像儀器獲取藍細菌樣本的質譜信息；對于獲取的質譜數據，采用質譜成像軟件進行數據預處理，其中包括基線矯正、質譜TIC總離子數歸一化、峰提取中的一種或二種以上；

(1.2)對獲取的藍細菌樣本質譜信息，按照提取的峰強度，選取c個不同m/z離子成像，獲得高分辨率質譜圖像H；將獲得的高分辨率圖像降采樣，再雙立方插值放大到高分辨率圖像大小，作為降質后的低分辨率圖像L；c為大于等于10整數；

(1.3)以m*n(0m圖像寬度，0n圖像長度)窗口大小，步長d(1cm和n)對于每一副高/低分辨率圖像從上到下，從左到右滑動取圖像塊；經過該步驟后，得到高/低分辨率圖像塊k(kc)對；對于質譜圖像塊求取形態學信息特征圖，用于表征離子空間分布特征：

其中I表示質譜圖像塊，表示梯度，mag表示質譜圖像塊幅度值；(a,b)代表圖像當前像素位置；其中高分辨率圖像塊的形態學特征圖Y作為網絡真值，低分辨率圖像塊的形態學特征圖X作為網絡輸入，獲得訓練樣本集{X,Y}。

5.如權利要求3所述用于測定藍細菌毒素的試劑盒，其特征在于，所述設計層級連接的深度卷積神經網絡，用于學習預測低分辨率質譜形態學特征圖中缺失的化學信息方法：

(2.1)網絡結構包括輸入層、中間層和輸出層；

其中中間層設計為l層，每個中間層都由卷積層CONV以及激勵層RELU組成；前j(jl-1)層網絡每層的卷積核參數為e*f*f，另外網絡采用合并連接方式，將前j層網絡輸出使用concat方式連接起來獲得e*j個特征圖，進一步對這e*j個特征圖卷積，卷積核個數為h，大小f*f；l為大于等于2整數，j為大于等于1整數；網絡訓練過程分為前向傳播和反向傳播過程，網絡的前向傳播過程：

其中x表示網絡輸入，表示經過網絡中間層后的輸出，W為網絡中間層的權重，b表示偏移量。D表示第一層卷積核個數，M為第二層卷積核個數；

網絡反向傳播過程為最小化loss函數Ev的過程，其中Ev表示為：

其中，表示經過網絡中間層后的輸出，y表示網絡真值；訓練過程結束后，獲得優化好的權重{W,b}；

(2.2)網絡測試階段；

輸入低分辨率質譜形態學特征圖x,利用網絡優化后的參數{W,b}，根據公式獲得高分辨率質譜形態學特征圖y。