[发明专利]用于准确地量化目标样本的组成的系统和方法有效

专利信息
申请号: 201780061673.X 申请日: 2017-10-04
公开(公告)号: CN109844515B 公开(公告)日: 2022-06-17
发明(设计)人: K·R·马塔希尔 申请(专利权)人: ATONARP株式会社
主分类号: G01N27/62 分类号: G01N27/62;G01N27/622;G01N27/623;H01J49/02
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 准确 量化 目标 样本 组成 系统 方法
【权利要求书】:

1.一种用于基于第一类型的传感器针对目标样本的扫描输出量化所述目标样本的组成的系统,所述扫描输出包括与所述目标样本相对应的检测到的离子的作为质荷比的函数的谱图,所述系统包括:

参考数据库,其用于存储与所述目标样本的标准碎片化和电离电位有关的标准参考数据以用于基于所述第一类型的传感器的扫描输出量化所述目标样本的组成;

自定义数据库,其用于存储使用所述第一类型的传感器所确定的所述目标样本的碎片化信息和电离电位以用于基于所述第一类型的传感器的扫描输出量化所述目标样本的组成;以及

模块集,其中,所述模块集包括:

分析模型创建模块,其被配置为使用所述第一类型的传感器的校准数据和所述标准参考数据来创建所述第一类型的传感器的分析模型,所述第一类型的传感器包括用于电离所述目标样本的单元和用于基于离子的质荷比将离子分类的单元,所述分析模型是所述第一类型的传感器的数学模型并且所述校准数据包括与针对所述标准参考数据所校准的所述分析模型有关的数据;

样本处理模块,其被配置为在标准压力条件下使用所述第一类型的传感器来处理包括准确已知的组成且具有能够与所述目标样本相比较的分子分数的多个样本;

分子分数估计模块,其被配置为使用估计方法和所述第一类型的传感器的分析模型来估计所述多个样本的分子分数;

分析模型优化模块,其被配置为通过将所述多个样本的分子分数与所述多个样本的预定分子分数相比较来优化所述第一类型的传感器的分析模型;以及

目标组成估计模块,其被配置为使用利用了所述第一类型的传感器的经优化的分析模型和优化方法的估计方法,基于从所述第一类型的传感器所获得的所述目标样本的扫描输出来估计所述目标样本的组成,

其中,所述分析模型创建模块包括:

碎片化模块,其被配置为获取所述目标样本的碎片光谱图案;

电离确定模块,其被配置为确定所述目标样本的相对电离电位;

传输确定模块,其被配置为计算各质荷比处所述目标样本的传输效率;以及

峰形分析模块,其被配置为展开信号并且分析所述信号的非理想峰形,其中,当离子的峰与具有不同的质荷比的另一离子的峰重叠时使所述信号中的低分辨率效应展开。

2.根据权利要求1所述的系统,其中,所述分析模型优化模块包括被配置为通过使用用于处理多个样本的所述样本处理模块并且间歇地将所述多个样本的分子分数与所述多个样本的预定分子分数相比较来间歇地对所述第一类型的传感器的现有分析模型进行优化以实现准确度增加的单元。

3.根据权利要求1所述的系统,其中,所述分析模型优化模块被配置为请求分析模型优化服务器对所述第一类型的传感器的分析模型进行优化。

4.根据权利要求1所述的系统,其中,所述第一类型的传感器包括质谱仪。

5.根据权利要求1所述的系统,其中,所述分子分数估计模块包括被配置为使用包括非负最小二乘估计方法的估计方法来估计所述多个样本的分子分数的单元。

6.根据权利要求1所述的系统,其中,所述分析模型优化模块被配置为使用以下各项中的任一项优化方法来创建所述第一类型的传感器的经优化的分析模型:(a)线性最小二乘优化技术、(b)非线性最小二乘优化技术、以及(c)机器学习技术。

7.根据权利要求1所述的系统,其中,所述第一类型的传感器的分析模型包括:(a)所述目标样本的碎片光谱图案、(b)所述目标样本的相对电离电位、(c)所述目标样本的传输效率和(d)所述第一类型的传感器处的信号的非理想峰形。

8.根据权利要求1所述的系统,其中,所述目标样本包括气体混合物、液体和固体。

9.根据权利要求1所述的系统,其中,所述目标样本包括生物对象。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于ATONARP株式会社,未经ATONARP株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201780061673.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top