专利名称：一种化合物的色谱-质谱联用鉴定方法
技术领域：
本发明属于色谱-质谱谱图鉴定技术领域，尤其涉及一种采用色谱-质谱谱图鉴定技术对化合物进行鉴定的方法，主要应用于生命科学、医药研究、食品安全领域的化合物样品组成成分鉴定。
背景技术：
随着现代分析方法，特别是质谱技术的迅猛发展，色谱-质谱联用技术(请参见 Tom R. Covey, Jonathan B. Crowther et al. Thermospray liquidchromatography/mass spectrometry determination of d rugs and their metabolites inbiological fluids. Anal Chem. 1985,57(2) :474-481.)逐渐成为了重要的分离分析手段。色谱-质谱联用将色谱法(参见Mikhail S. Tsvet. Physical chemical studies onchlorophyll adsorptions. Berichte der Deutschen botanischen Gesellschaft 24, 1906 :316-323.)禾口质 i普法(Sparkman, 0. David. Mass spectrometry desk reference. Pittsburgh =Global View Pub. 2000, ISBN 0-9660813-2-3.)的优势结合起来，是目前先进而应用广泛的样品分析方法。色谱-质谱联用包括气相色谱-质谱联用^as Chromatography-MassSpectrometry, 缩写为 GC-MS)(参见 C. Goncalvesa, M. F. Alpendurada. Solid-phasemicro-extract ion-gas chromatography-(tandem) mass spectrometry as a tool forpesticide residue analysis in water samples at high sensitivity and selectivity withconfirmation capabilities. Journal of Chromatography A,2004(Volume 1026) :239-250 ；Wendy A. Ca rrick, David B.Cooper and Bob Muir. Retrospectiveidentification of chemical warfare agents by high-temperature automatic thermaldesorption—gas chromatography-mass spectrometry. Journal of Chromatography A. 2001 (Volume 925) :241-249)禾口液相色 if - M if K ffl (Liquid Chromatography-Mass Spectrometry,缩写为 LC-MS) (Kenneth B. Tomer, M. Arthur Moseley, Leesa J. Deterding, Carol E. Pa rker. Capillary liquid chromatography/mass spectrometry. MassSpectrometry Reviews,1994 (Vol 13) 431-457)。其中，GC-MS联用适宜分析小分子、易挥发、热稳定、能气化的化合物，GC-MS联用仪是较早商品化的联用仪器。LC-MS联用相比于GC-MS联用的优势在于分离度高、灵敏度高、选择性好、样品应用范围广，可解决不挥发性化合物分析测定、极性化合物的分析测定、 热不稳定化合物的分析测定、大分子量化合物(包括蛋白、多肽、多聚物等)的分析测定等问题(常雁，再帕尔.阿不力孜，王慕邹.串联质谱新技术及其在药物代谢研究中的应用进展.药学学报，2000，35(1) :76)。因此色谱-质谱联用技术在生命科学、医药的研究以及食品安全检测、环境污染物分析等领域发挥了巨大的作用(庞焕，文允镒.质谱联用技术研究进展及其在药物分析中的最新应用.中国药学杂志，2001,36(7) :433)，极大地推动了科研的发展。
4
以LC-MS联用技术为例，LC-MS数据分析软件系统是处理分析LC-MS联用仪样品数据的主要工具，是LC-MS联用分析技术不可或缺的系统。目前在市场上，只有AB公司(美国应用生物系统公司)、Waters公司等少数几家仪器设备厂商提供有商品化的LC-MS数据分析系统，但是，这些系统都具有明显的局限性(1)只能为本公司所生产的特定几款型号的色质仪产生的谱图数据所使用，而不能为其他仪器设备厂商所生产的数据使用；(2)系统所带的标准谱库都是自有谱库，不可被其他系统所使用。在国内从事样品分析相关工作的实验室中，通常购买不止一个厂商生产的LC-MS联用仪，这些仪器所带的分析软件不可通用，给样品分析工作带来极大的不便。

发明内容
从上面的分析可以看出，由于不同厂商生产的联用仪所带的数据分析软件不同， 造成同一个实验室中不用仪器产生的谱图数据不能共享，给样品分析工作带来不便。另外，由于化合物谱图鉴定属于数据密集型计算，效率问题也是一个需要重点考虑的问题。为了解决这些问题，本发明的目的首先在于提供一种解决数据共享问题的化合物鉴定方法。本发明的另一目的在于提供一种提高谱图鉴定效率的化合物鉴定方法。本发明的化合物的色谱-质谱联用鉴定方法，其步骤包括1、通过色谱-质谱联用仪提取待鉴定化合物的谱图数据；2、将上述谱图数据保存为通用数据格式的谱图文件；3、提取一标准品库的谱图数据，将库中的各标准品的谱图数据保存为与上述待鉴定化合物谱图文件格式相同的谱图文件；4、根据选定的相似度算法计算上述待鉴定化合物的谱图文件与标准品库的各标准品的谱图文件的相似度；5、根据上述计算结果，得到鉴定结论。本发明按照下述公式计算上述相似度
D __^^^mii'- ii 宁-ntti_其中mp，指化合物之间的相似度；mf，指匹配的离子个数；Int%mkn_ 待鉴定化合物的相对质谱强度信息；Int% reference 标准品的相对质谱强度信息；fmkn。wn 待鉴定化合物的离子数；ff e 标准品的离子数；m/Zunkn_ 待鉴定化合物的质荷比；m/Xrf_。e 标准品的质荷比；b、c、d为公式常量;在计算时，待鉴定化合物谱图文件中每一行都与标准品谱图文件中每一行做比较，当待鉴定化合物谱图文件中一行的质荷比或相对强度与标准品文件中一行的相应值在一定范围之内时记匹配的离子个数加1。本发明还可以对数据进行预处理，即将待鉴定化合物谱图文件的二元数对(m/z， intensity)变换为三元数对(m/z，intensity%，Δπι/ζ)，其中 m/z 为质荷比，intensity 为谱图文件的强度，intensity^为谱图文件中每一个数据点强度与该谱图文件最大强度的百分比，Δπι/z是第一列的m/z值与该化合物分子离子峰的差值。本发明对上述标准品库的谱图文件进行分组，根据选定的相似度算法计算上述待鉴定化合物的谱图文件与各组内的各标准品的谱图文件的相似度。可以以文件数为单位对上述标准品库的谱图数据进行分组，每组包括相同数量或基本相同的文件。本发明将含待鉴定化合物谱图文件和一组标准品库谱图文件的信息作为一计算单位，将各计算单位发送至多个Map计算节点进行分组计算，计算的结果发送至Reduce节点，按照设定方式输出完整的相似度计算结果，如按照相似度降序方式输出完整的相似度
计算结果。本发明采用Hadoop框架进行上述Map/Reduce计算。可以根据标准品库大小和 Hadoop框架的产生时间确定合适的Map计算节点的个数。上述色谱-质谱联用仪为气相色谱-质谱联用仪或液相色谱-质谱联用仪。所述通用数据格式为txt格式或cvs格式。各色谱-质谱联用仪均可提取待鉴定化合物(样品)的谱图数据，并将这些测试数据输出到本地文件进行保存。这些仪器均可支持通用数据格式，如txt或cvs格式。对于不同来源的谱图数据，通过保存为通用格式而得到数据格式上的统一。同样，可以将各色谱-质谱联用仪自带标准品库的数据提取出来并保存为与样品谱图数据相同的数据格式。虽然上述样品的谱图数据和标准品谱图数据保存为通用格式，但这种格式无法输入到不兼容的色谱-质谱联用仪软件系统进行处理，因为这种数据只能由色谱-质谱联用仪输出但无法读入。在得到样品谱图文件和标准品谱图文件后，需要将样品谱图文件与标准品库的各标准品谱图文件进行对比，计算相似度。为提高计算效率，本发明还引入了并行计算的概念，将标准品库的文件进行分组 (数据切分)，并行处理样品与各组标准品谱图文件的相似度计算。本发明进一步引入了基于Map/Reduce的并行运算方式。Map/Reduce (JeffreyDean and Sanjay Ghemawat. Map/Reduce:Simplified Data Processing on Large Clusters. Proceedings of USENIX OSDI，04，2004 :137-150.)是 Google 提出的一个软件架构，用于大规模数据集的并行运算。基于Map/Reduce 计算模型、采用 Hadoop (APACHE [HAD00P] · http //hadoop. apache, org/)框架、通过切分标准品库的方法来实现化合物的快速鉴定。本发明通过对来自不同来源的谱图数据进行处理，消除了各不同色谱-质谱联用仪因不兼容而带来的限制。另外，本发明通过引入Map/Reduce计算模型，大大提高了谱图数据的处理效率。


图1基于Map/Reduce的标准品库切分示意2化合物鉴定流程3Map数变化时的效率比较图
具体实施例方式本发明首先对联用仪提取的待鉴定化合物物谱图数据和标准品库的谱图数据进行规范化预处理，使处理后的数据文件具有统一的通用数据格式。然后根据选用的相似度计算方法，对上述数据进一步转换优化。本实施方式用了一个当前比较新的相似度计算算法(HerbertOberacherl,Marion Pavlic. On the inter-instrument and the inter-laboratory transferabilityof a tandem mass spectral reference library :2. Optimization and characterization of thesearch algorithm. J. Mass. Spectrom. 2009,44(4) :494-502.)
权利要求
1.一种化合物的色谱-质谱联用鉴定方法，其步骤包括1)通过色谱-质谱联用仪提取待鉴定化合物的谱图数据；2)将上述谱图数据保存为通用数据格式的谱图文件；3)提取一标准品库的谱图数据，将库中的各标准品的谱图数据保存为与上述待鉴定化合物谱图文件格式相同的谱图文件；4)根据选定的相似度算法计算上述待鉴定化合物的谱图文件与标准品库的各标准品的谱图文件的相似度；5)根据上述计算结果，得到鉴定结论。
2.如权利要求1所述的化合物的色谱-质谱联用鉴定方法，其特征在于，按照下述公式计算上述相似度
3.如权利要求2所述的化合物的色谱-质谱联用鉴定方法，其特征在于，将待鉴定化合物谱图文件的二元数对(m/z，intensity)变换为三元数对(m/z，intensity%, Am/Z)，其中m/z为质荷比，intensity为谱图文件的强度，intensity^为谱图文件中每一个数据点强度与该谱图文件最大强度的百分比，Δπι/ζ是第一列的m/z值与该化合物分子离子峰的差值。
4.如权利要求1所述的化合物的色谱-质谱联用鉴定方法，其特征在于，对上述标准品库的谱图文件进行分组，根据选定的相似度算法计算上述待鉴定化合物的谱图文件与各组内的各标准品的谱图文件的相似度。
5.如权利要求4所述的化合物的色谱-质谱联用鉴定方法，其特征在于，以文件数为单位对上述标准品库的谱图数据进行分组，每组包括相同数量或基本相同的文件。
6.如权利要求4或5所述的化合物的色谱-质谱联用鉴定方法，其特征在于，将含待鉴定化合物谱图文件和一组标准品库谱图文件的信息作为一计算单位，将各计算单位发送至多个Map计算节点进行分组计算，计算的结果发送至Reduce节点，按照设定方式输出完整的相似度计算结果。
7.如权利要求6所述的化合物的色谱-质谱联用鉴定方法，其特征在于，按照相似度降序方式输出完整的相似度计算结果。
8.如权利要求6所述的化合物的色谱-质谱联用鉴定方法，其特征在于，采用Hadoop 框架进行上述Map/Reduce计算。
9.如权利要求8所述的化合物的色谱-质谱联用鉴定方法，其特征在于，根据标准品库大小和Hadoop框架的产生时间确定Map计算节点的个数。
10.如权利要求1所述的化合物的色谱-质谱联用鉴定方法，其特征在于，所述色谱-质谱联用仪为气相色谱-质谱联用仪或液相色谱-质谱联用仪。
11.如权利要求1所述的化合物的色谱-质谱联用鉴定方法，其特征在于，所述通用数据格式为txt格式或CVS格式。
全文摘要
本发明属于色谱-质谱谱图鉴定技术领域，涉及一种采用色谱-质谱谱图鉴定技术对化合物进行鉴定的方法。通过色谱-质谱联用仪提取待鉴定化合物的谱图数据；将上述谱图数据保存为通用数据格式的谱图文件；提取一标准品库的谱图数据，将库中的各标准品的谱图数据保存为与上述待鉴定化合物谱图文件格式相同的谱图文件；根据选定的相似度算法计算上述待鉴定化合物的谱图文件与标准品库的各标准品的谱图文件的相似度；根据上述计算结果，得到鉴定结论。本发明通过对来自不同来源的谱图数据进行处理，消除了各不同色谱-质谱联用仪因不兼容而带来的限制。可应用于生命科学、医药研究、食品安全领域的化合物样品组成成分鉴定。
文档编号G01N30/88GK102331477SQ201110159349
公开日2012年1月25日 申请日期2011年6月13日 优先权日2011年6月13日
发明者刘勇, 周园春, 王卫华, 薛正华, 黎建辉 申请人:中国科学院计算机网络信息中心