《複雜體系GC-MS高通量分析方法研究》是依託南開大學，由邵學廣擔任項目負責人的面上項目。
基本介紹
- 中文名：複雜體系GC-MS高通量分析方法研究
- 項目類別：面上項目
- 項目負責人：邵學廣
- 依託單位：南開大學
中文摘要,結題摘要,
中文摘要
以生物、植物、食品和環境樣品為研究對象，在免疫算法及相關研究（No.29975027，No.20575031）的基礎上，建立複雜體系中多組分同時測定的快速GC-MS分析方法。根據質譜信號的稀疏性特點，建立適用於重疊質譜信號解析的非負免疫算法；利用GC-MS二維數據矩陣（色譜?質譜）的特點，發展二維免疫算法，並通過引入稀疏成分分析（SCA）等技術，充分利用色譜信號的漸進性和視窗性質，建立基於稀疏條件的重疊信號解析算法；通過對GC-MS儀器的改進實現複雜組分的高速洗脫，並利用所建立的化學計量學方法實現高通量多組分（或選擇性）分析。本項目基於實驗技術和化學計量學方法的結合，充分利用GC-MS信號的特點，建立複雜體系GC-MS高通量分析方法，有望通過新的途徑為實際複雜體系的快速分析提供有效手段。發展免疫算法的非負校正方法以及利用稀疏成分分析技術建立重疊信號解析方法等具有一定的創新性。
結題摘要
針對實際複雜體系樣品分析，開展了多組分同時測定的快速GC-MS 分析方法。建立了多種用於複雜分析化學信號解析的化學計量學算法，並將所建立的算法在生物、植物、食品和環境樣品的GC-MS分析以及電分析化學、原子光譜分析及近紅外光譜分析中得到套用。通過對免疫算法解析結果偏差的深入分析，發現造成偏差的主要原因是實驗信號與標準樣品信號之間的差異。為了消除這類偏差，提出了一種交替疊代算法用於重疊GC-MS測量信號的直接解析。該方法通過交替疊代計算對待解析組分的質譜進行修正；基於疊代目標轉換因子分析，提出了一種質譜校正方法，並與免疫算法結合用於重疊GC-MS信號的解析。該方法利用疊代目標轉換因子分析判斷目標分析物是否存在於待分析體系，然後利用轉換後的目標因子進行免疫算法計算；針對有選擇性離子存在的情況，基於免疫算法建立了一種選擇性離子的識別方法並套用於GC-MS重疊信號的解析。這些方法均實現了不提供標樣信號的情況下解析出複雜信號中組分的質譜和色譜信息。為了實現GC-MS信號的高通量解析，結合獨立成分分析、疊代目標轉換因子分析和非負免疫算法，提出了一種基於多步篩選過程的重疊信號分析方法。該方法可用於較大的GC-MS數據矩陣的直接分析，不必進行分段處理，大大提高了算法的適用性，實現了GC-MS數據的高通量分析。為了發展新的重疊信號解析方法，提出了一種標準信號提取方法，採用目標波段熵最小化方法成功實現了混合信號中純組分信息的提取，建立了一種基於“非連續視窗”的“廣義視窗因子分析”算法。發展了化學計量學新算法並通過這些算法成功實現了複雜基質樣本中特定組分的定量分析。通過GC-MS高速洗脫實現了複雜組分的快速分析，並利用所建立的化學計量學方法實現高通量多組分（或選擇性）分析，同時還探索了所建立的方法在電分析化學、原子光譜分析及近紅外光譜分析中的套用，為實際複雜體系的快速分析提供了有效手段。
