[发明专利]一种用于测定蓝细菌毒素的试剂盒

权利要求书

1.一种用于测定蓝细菌毒素的试剂盒，其特征在于，所述用于测定蓝细菌毒素的试剂盒包括：

弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物。

2.一种如权利要求1所述的用于测定蓝细菌毒素的试剂盒测定方法，其特征在于，所述用于测定蓝细菌毒素的试剂盒测定方法包括以下步骤：

步骤一，通过质谱仪采集蓝细菌质谱图像；通过图像增强程序对采集质谱图像进行增强处理；

步骤二，通过包含弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物的固相提取设备上制备潜在包括环肽和生物碱蓝细菌毒素的水样品，以形成保留或浓缩的毒素样品，使所述保留或浓缩的毒素样品在流动相中洗脱或重构，以形成样品提取物；

步骤三，将潜在包括环肽或生物碱蓝细菌毒素的样品提取物置于质谱仪中以形成质谱，根据质谱来测定蓝细菌毒素；通过分离设备将提取物中的蓝细菌进行分离；

步骤四，对分离的蓝细菌进行密封冻存处理；

步骤五，通过显示器显示采集的蓝细菌质谱图像、测定结果。

3.如权利要求2所述用于测定蓝细菌毒素的试剂盒，其特征在于，所述通过图像增强程序对采集质谱图像进行增强处理方法如下：

(1)基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作；

(2)设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息；

(3)构建质谱图像可视化的能量泛函G(u)，将超分辨重建后的高分辨率形态学信息重建成可视化的高分辨率质谱图像；

其中E为测试阶段网络输出的高分辨率形态学特征图，u为目标高分辨率质谱图像。

4.如权利要求3所述用于测定蓝细菌毒素的试剂盒，其特征在于，所述基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作方法：

(1.1)采用质谱成像仪器获取蓝细菌样本的质谱信息；对于获取的质谱数据，采用质谱成像软件进行数据预处理，其中包括基线矫正、质谱TIC总离子数归一化、峰提取中的一种或二种以上；

(1.2)对获取的蓝细菌样本质谱信息，按照提取的峰强度，选取c个不同m/z离子成像，获得高分辨率质谱图像H；将获得的高分辨率图像降采样，再双立方插值放大到高分辨率图像大小，作为降质后的低分辨率图像L；c为大于等于10整数；

(1.3)以m*n(0m图像宽度，0n图像长度)窗口大小，步长d(1cm和n)对于每一副高/低分辨率图像从上到下，从左到右滑动取图像块；经过该步骤后，得到高/低分辨率图像块k(kc)对；对于质谱图像块求取形态学信息特征图，用于表征离子空间分布特征：

其中I表示质谱图像块，表示梯度，mag表示质谱图像块幅度值；(a,b)代表图像当前像素位置；其中高分辨率图像块的形态学特征图Y作为网络真值，低分辨率图像块的形态学特征图X作为网络输入，获得训练样本集{X,Y}。

5.如权利要求3所述用于测定蓝细菌毒素的试剂盒，其特征在于，所述设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息方法：

(2.1)网络结构包括输入层、中间层和输出层；

其中中间层设计为l层，每个中间层都由卷积层CONV以及激励层RELU组成；前j(jl-1)层网络每层的卷积核参数为e*f*f，另外网络采用合并连接方式，将前j层网络输出使用concat方式连接起来获得e*j个特征图，进一步对这e*j个特征图卷积，卷积核个数为h，大小f*f；l为大于等于2整数，j为大于等于1整数；网络训练过程分为前向传播和反向传播过程，网络的前向传播过程：

其中x表示网络输入，表示经过网络中间层后的输出，W为网络中间层的权重，b表示偏移量。D表示第一层卷积核个数，M为第二层卷积核个数；

网络反向传播过程为最小化loss函数Ev的过程，其中Ev表示为：

其中，表示经过网络中间层后的输出，y表示网络真值；训练过程结束后，获得优化好的权重{W,b}；

(2.2)网络测试阶段；

输入低分辨率质谱形态学特征图x,利用网络优化后的参数{W,b}，根据公式获得高分辨率质谱形态学特征图y。