复杂体系GC-MS高通量分析方法研究

以生物、植物、食品和环境样品为研究对象，在免疫算法及相关研究（No.29975027，No.20575031）的基础上，建立复杂体系中多组分同时测定的快速GC-MS分析方法。根据质谱信号的"稀疏性"特点，建立适用于重叠质谱信号解析的非负免疫算法；利用GC-MS二维数据矩阵（色谱?质谱）的特点，发展二维免疫算法，并通过引入稀疏成分分析（SCA）等技术，充分利用色谱信号的"渐进性"和"窗口"性质，建立基于稀疏条件的重叠信号解析算法；通过对GC-MS仪器的改进实现复杂组分的高速洗脱，并利用所建立的化学计量学方法实现高通量多组分（或选择性）分析。本项目基于实验技术和化学计量学方法的结合，充分利用GC-MS信号的特点，建立复杂体系GC-MS高通量分析方法，有望通过新的途径为实际复杂体系的快速分析提供有效手段。发展免疫算法的非负校正方法以及利用稀疏成分分析技术建立重叠信号解析方法等具有一定的创新性。

针对实际复杂体系样品分析，开展了多组分同时测定的快速GC-MS 分析方法。建立了多种用于复杂分析化学信号解析的化学计量学算法，并将所建立的算法在生物、植物、食品和环境样品的GC-MS分析以及电分析化学、原子光谱分析及近红外光谱分析中得到应用。通过对免疫算法解析结果偏差的深入分析，发现造成偏差的主要原因是实验信号与标准样品信号之间的差异。为了消除这类偏差，提出了一种交替迭代算法用于重叠GC-MS测量信号的直接解析。该方法通过交替迭代计算对待解析组分的质谱进行修正；基于迭代目标转换因子分析，提出了一种质谱校正方法，并与免疫算法结合用于重叠GC-MS信号的解析。该方法利用迭代目标转换因子分析判断目标分析物是否存在于待分析体系，然后利用转换后的目标因子进行免疫算法计算；针对有选择性离子存在的情况，基于免疫算法建立了一种选择性离子的识别方法并应用于GC-MS重叠信号的解析。这些方法均实现了不提供标样信号的情况下解析出复杂信号中组分的质谱和色谱信息。为了实现GC-MS信号的高通量解析，结合独立成分分析、迭代目标转换因子分析和非负免疫算法，提出了一种基于多步筛选过程的重叠信号分析方法。该方法可用于较大的GC-MS数据矩阵的直接分析，不必进行分段处理，大大提高了算法的适用性，实现了GC-MS数据的高通量分析。为了发展新的重叠信号解析方法，提出了一种标准信号提取方法，采用目标波段熵最小化方法成功实现了混合信号中纯组分信息的提取，建立了一种基于“非连续窗口”的“广义窗口因子分析”算法。发展了化学计量学新算法并通过这些算法成功实现了复杂基质样本中特定组分的定量分析。通过GC-MS高速洗脱实现了复杂组分的快速分析，并利用所建立的化学计量学方法实现高通量多组分（或选择性）分析，同时还探索了所建立的方法在电分析化学、原子光谱分析及近红外光谱分析中的应用，为实际复杂体系的快速分析提供了有效手段。