[发明专利]基于病理及活体组织临床诊断大数据的疾病类型判别方法

权利要求书

1.一种基于病理及活体组织临床诊断大数据的疾病类型判别方法，其特征在于，该方法包括以下步骤：

S1 质谱仪器数据交换，通过质谱仪厂家工作站或者数据转换功能完成质谱仪数据到质谱成像数据的转换，支持导入各主流质谱仪器厂家的质谱数据；

S2 代谢物化合物数据库，基于人体的内源性代谢物质谱数据以及化合物检索匹配算法，通过代谢物化合物数据库实现对质谱图中内源性化合物的自动化标注和定性分析，其中，所述代谢物化合物数据库能够匹配多种化合物检索算法，进一步包含：分析条件精准匹配、动态加合离子匹配、质谱同位素匹配、保留时间匹配、一级质谱匹配、二级质谱匹配、离子淌度匹配、代谢通路匹配、非靶向匹配；

S3 质谱成像代谢组学组织样本数据库，该数据库由临床生物样本库及实验动物模型生物样本库组成，通过大数据方式对庞大、复杂的人体代谢组质谱成像样本进行有效管理和开展数据挖掘及建模，从而汇集人类疾病质谱成像数据；

S4 质谱成像数据处理工作站，进行质谱成像的自动化数据处理及分析，该工作站用于数据导入预处理、质谱图像重建、质谱目标选区提取、光学图像匹配、质谱图像定量分析；

S5 质谱成像数据机器学习算法，采用不同类型的质谱成像数据，根据所设计的质谱成像数据机器学习算法，用于实现基于病理及活体组织样本分类、疾病标志物自动发现、疾病预测模型与疾病分型模型训练及维护、模型训练算法筛选及优化、未知样本预测、模型发布与应用。

2.根据权利要求1所述的基于病理及活体组织临床诊断大数据的疾病类型判别方法，其特征在于，所述S2中代谢物化合物数据库，进一步包含：

通过标准代谢物质谱信息实物的检测结果，测定2000个代谢物的质谱信息，并排除外源性化合物的干扰，对代谢物化合物数据库进行动态编辑和扩充，运用大数据匹配的方式，提高代谢物化合物数据库与多种化合物检索算法精准匹配，以及精准化、自动化的化合物解析。

3.根据权利要求1所述的基于病理及活体组织临床诊断大数据的疾病类型判别方法，其特征在于，所述S3中临床生物样本库及实验动物模型生物样本库收载质谱成像数据进一步包含：

S3.1 收载靶向及非靶向代谢组学质谱成像原始数据及标注结果，以及代谢组学的位置信息；

S3.2 代谢组学质谱成像数据与代谢物化合物数据库进行无缝关联，进行便捷的自动化化合物标注；

S3.3 质谱成像代谢组学组织样本数据库与质谱成像数据处理工作站建立无缝数据交换，完成一站式分析及数据建模的开展。

4.根据权利要求1所述的基于病理及活体组织临床诊断大数据的疾病类型判别方法，其特征在于，所述S4中质谱成像数据处理工作站进一步包含：

S4.1 数据导入预处理，用于输入质谱图像导入文件序列，设置样品有关参数，所述质谱图像导入包含：图像分辨率、切片厚度、切片物理尺寸、质谱数据通道类型、连续型质谱数据类型峰检测、积分处理，其中积分处理参数包含：斜率、最小峰强度、强度积分方式、质荷比统计方式；

S4.2 质谱图像重建，获取原始质谱成像数据中按照指定的离子提取范围和方式对2D及3D质谱图像进行空间重构，并进行可视化渲染；

S4.3 质谱目标选区提取，提供多种提取工具，提取工具包含固定区域大小，以及手动自由选择套索工具、以流动蚂蚁线的形式动态显示当前选择区域、自动显示所选择的多个选区及对应的质谱图，并保存到数据库中进行查询及比较分析；

S4.4 光学图像匹配，用于生成质谱成像数据处理工作站与质谱图像相匹配的样品组织切片光学图像，以及HE病理染色光学图像的同步比较分析，通过缩放、平移或旋转光学图片控制锚点，对光学图片的对齐状态进行精准调节；

S4.5质谱图像定量分析，基于质谱成像数据机器学习算法，用于免同位素标记的目标化合物，在组织切片内各器官中分布浓度的定量计算和校正。