[发明专利]3D质谱预测分类

说明书

一种用于分析多维数据集的方法包含从样品生成多维质谱数据集；和生成表示所述多维质谱数据集的矩阵，使得所述多维质谱数据集的第一维度和第二维度对应于矩阵单元位置，并且离子强度对应矩阵单元值；和使用训练的神经网络矩阵分类器从多个矩阵类别中确定所述矩阵的类别。

技术领域

本公开一般涉及包含3D质谱预测分类的多维数据分析领域。

背景技术

质谱分析可用于对样品进行详细分析。此外，质谱可为样品中的大量化合物提供定性(样品中是否存在化合物X)和定量(样品中存在多少化合物X)数据两者。这些能力已用于各种各样的分析，如测试药物使用、确定食物中的农药残留、监测水质等等。

当与另外的分离技术(如电泳或色谱法)结合时，质谱数据可以在新的维度上分离，包含时间维度(保留时间或洗脱时间)和质荷维度。另外，MS/MS技术可以为前体离子和前体离子的碎片提供质荷信息。

然而，多维数据集可能很复杂。传统上，原始数据可以经受各种例程，用于提取对应于样品的特定组分的特定信息。但是，组分之间的相互依赖性可以带来关于样品的更多见解。因而，需要改进的数据分析技术。

发明内容

在第一方面，用于分析多维数据集的系统可以包含质谱仪、矩阵生成器和矩阵分类器。质谱仪可以被配置成从样品生成多维数据集；并将多维数据集提供给矩阵生成器。矩阵生成器可以被配置成接收多维数据集，生成表示多维数据集的矩阵，使得多维数据集的第一维度和第二维度对应于矩阵单元位置，并且离子强度对应于矩阵单元值；并将图像提供给矩阵分类器。矩阵分类器可以被配置成从矩阵生成器接收矩阵；并从多个矩阵类别中确定矩阵的类别。

在第一方面的各种实施例中，(i)矩阵生成器可以进一步被配置成在将矩阵提供给矩阵分类器之前重新缩放矩阵，或者(ii)矩阵分类器可以进一步被配置成在确定矩阵的类别之前重新缩放矩阵。

在第一方面的各种实施例中，可以使用训练的神经网络来执行确定矩阵的类别。

在第一方面的各种实施例中，第一维度可以是保留时间，并且第二维度是质荷比。

在第一方面的各种实施例中，多维数据集可以是MS/MS实验，第一维度可以是前体质荷比，并且第二维度可以是产物质荷比。

在第一方面的各种实施例中，矩阵可以是图像。在特定实施例中，图像可以是每像素具有单个颜色值的灰度图像。在特定实施例中，图像可以是每像素具有至少两个颜色值的彩色图像，并且附加维度对应于附加颜色值。

在第二方面，用于分析多维数据集的方法可以包含从样品生成多维质谱数据集；和生成表示多维质谱数据集的矩阵，使得多维质谱数据集的第一维度和第二维度对应于矩阵单元位置，并且离子强度对应矩阵单元值；和使用训练的神经网络矩阵分类器从多个矩阵类别中确定矩阵的类别。

在第二方面的各种实施例中，方法可以进一步包含在确定图像的类别之前重新缩放矩阵。

在第二方面的各种实施例中，第一维度可以是保留时间，并且第二维度是质荷比。

在第二方面的各种实施例中，多维数据集可以是MS/MS实验，第一维度可以是前体质荷比，并且第二维度可以是产物质荷比。

在第二方面的各种实施例中，矩阵可以是图像。在特定实施例中，图像可以是每像素具有单个颜色值的灰度图像。在特定实施例中，其中图像可以是每像素具有至少两个颜色值的彩色图像，并且附加维度对应于附加颜色值。