免疫算法用于多组分二维色谱数据的解析.PDF
http://www.100md.com
邵学广 孙莉
第1页 |
参见附件(109KB,3页)。
免疫算法用于多组分二维色谱数据的解析.PDF
第29卷
2001年7月 分析化学 (FENXI HUAXUE) 研究报告
Chinese Journal of Analytical Chemistry
第7期
768~770
免疫算法用于多组分二维色谱数据的解析
邵学广3
孙 莉
(中国科学技术大学化学系 ,合肥 230026)
摘 要 通过对免疫系统抗体对抗原消除作用及其记忆功能的模拟 ,提出了解析二维数据矩阵的新方
法。采用模拟的 EMG公式作为抗体输入 ,对二维信号逐行进行迭代消除 ,从重叠峰中提取单一组分的
色谱信息和光谱信息。通过对二维色谱数据的解析 ,结果表明 ,该方法可方便地用于多组分重叠二维色
谱的解析。
关键词 免疫算法 ,解析 ,重叠二维色谱
2000208231收稿;2001201208接受
本文系国家自然科学基金资助项目(No. 29975027)
1 引 言
随着现代分析仪器的发展,多组分二维数据越来越容易获得 ,而这种数据矩阵的解析也成为分析化
学中数据分析方法的研究焦点之一。在过去的十几年里 ,各种化学因子分析方法如渐进因子分析
(EFA)
〔 1〕、窗口因子分析(WFA)
〔 2〕 和直观推导式演进特征投影分析(HELP)
〔 3〕 都曾成功的应用于二维数
据的解析。但是当数据矩阵存在较大噪音或背景干扰时 ,解析存在一定的困难。
近年来发展起来的基于模拟生物体系的免疫算法( IA)在信息科学、工业控制等领域已有较为广泛
的应用〔 4〕。我们将 IA引入化学领域曾成功地解决了多组分一维重叠色谱的解析问题〔 5~7〕。但用于二
维数据的处理还未见报道。本文将免疫算法应用于多组分二维高效液相色谱重叠峰的解析 ,不仅能获
得解析开的色谱流出曲线 ,同时还可得到各组分的光谱曲线 ,具有运算速度快、精度高、受噪音水平影响
小的特点 ,是二维重叠谱解析的有力工具。
2 原理与算法
对于某 n 组分体系的数据矩阵A , 若其行代表光谱数据的纪录间隔 ,列代表渐进方向 ,并且光谱数
据的测量具有线性加和性 ,则有
A = 6
n
i =1
Ai = 6
n
i =1
CiS
T
i = 6
n
i =1
h1 C0 iS
T
i
(1)
其中 Si 代表i 组分的光谱向量, Ci 代表i 组分的渐进分布(色谱洗脱)向量, C0 i代表 i 组分在单位浓度
下的渐进分布向量, hi 则为各组分的浓度。由式(1)可以得到对于数据矩阵 A 的第j 列Aj 有
Aj = 6
n
i =1
Aij = 6
n
i =1
hiC0 isij = 6
n
i =1
( hisij) C0 i
(2)
其中 , sij为第j 个波长采样点下的光度吸收值。从矩阵 A 中任取一列 ,按文献〔 7〕中所述免疫2遗传算法
进行解析 ,标样色谱峰(抗体)通过 EMG 〔 8〕 公式进行理论模拟产生 ,当解析完成后同时可以得到优化后
的 EMG公式的各个参数 tR ,σ, τ。
免疫系统另一个独特的功能是可以对曾经入侵的抗原产生记忆 ,把相关的信息储存在记忆细胞中 ,当同种抗原再次入侵时就能快速的产生反应 ,将入侵抗原消除。本文算法在模拟抗体对抗原消除作用
的同时 ,对免疫系统的记忆功能加以应用 ,将优化得到的参数存入记忆细胞 ,直接用优化后的参数生成
抗体 ,对各列信号进行迭代消除 ,最终实现二维光谱的解析。
由式(1)易得 ,解析后所得浓度矩阵实为浓度向量与光谱向量的外积 hS T
, 因此 ,浓度矩阵的各行则
相应于各组分的吸收光谱。3 实验部分
3. 1 仪器
Spectra System FL2000高效液相色谱仪(美国 Spectra2Physics公司) ,包括自动进样器、 Spectra Focus紫
外2可见多波长检测器及一台联机的控制和数据处理 Spectra System工作站;Shimadzu26A(日本岛津制作
所)用于柱后显色剂的注入;色谱柱为10μm进口固定相ODS硅胶柱(大连化学物理研究所 ,250 mm×5
mm) ......
2001年7月 分析化学 (FENXI HUAXUE) 研究报告
Chinese Journal of Analytical Chemistry
第7期
768~770
免疫算法用于多组分二维色谱数据的解析
邵学广3
孙 莉
(中国科学技术大学化学系 ,合肥 230026)
摘 要 通过对免疫系统抗体对抗原消除作用及其记忆功能的模拟 ,提出了解析二维数据矩阵的新方
法。采用模拟的 EMG公式作为抗体输入 ,对二维信号逐行进行迭代消除 ,从重叠峰中提取单一组分的
色谱信息和光谱信息。通过对二维色谱数据的解析 ,结果表明 ,该方法可方便地用于多组分重叠二维色
谱的解析。
关键词 免疫算法 ,解析 ,重叠二维色谱
2000208231收稿;2001201208接受
本文系国家自然科学基金资助项目(No. 29975027)
1 引 言
随着现代分析仪器的发展,多组分二维数据越来越容易获得 ,而这种数据矩阵的解析也成为分析化
学中数据分析方法的研究焦点之一。在过去的十几年里 ,各种化学因子分析方法如渐进因子分析
(EFA)
〔 1〕、窗口因子分析(WFA)
〔 2〕 和直观推导式演进特征投影分析(HELP)
〔 3〕 都曾成功的应用于二维数
据的解析。但是当数据矩阵存在较大噪音或背景干扰时 ,解析存在一定的困难。
近年来发展起来的基于模拟生物体系的免疫算法( IA)在信息科学、工业控制等领域已有较为广泛
的应用〔 4〕。我们将 IA引入化学领域曾成功地解决了多组分一维重叠色谱的解析问题〔 5~7〕。但用于二
维数据的处理还未见报道。本文将免疫算法应用于多组分二维高效液相色谱重叠峰的解析 ,不仅能获
得解析开的色谱流出曲线 ,同时还可得到各组分的光谱曲线 ,具有运算速度快、精度高、受噪音水平影响
小的特点 ,是二维重叠谱解析的有力工具。
2 原理与算法
对于某 n 组分体系的数据矩阵A , 若其行代表光谱数据的纪录间隔 ,列代表渐进方向 ,并且光谱数
据的测量具有线性加和性 ,则有
A = 6
n
i =1
Ai = 6
n
i =1
CiS
T
i = 6
n
i =1
h1 C0 iS
T
i
(1)
其中 Si 代表i 组分的光谱向量, Ci 代表i 组分的渐进分布(色谱洗脱)向量, C0 i代表 i 组分在单位浓度
下的渐进分布向量, hi 则为各组分的浓度。由式(1)可以得到对于数据矩阵 A 的第j 列Aj 有
Aj = 6
n
i =1
Aij = 6
n
i =1
hiC0 isij = 6
n
i =1
( hisij) C0 i
(2)
其中 , sij为第j 个波长采样点下的光度吸收值。从矩阵 A 中任取一列 ,按文献〔 7〕中所述免疫2遗传算法
进行解析 ,标样色谱峰(抗体)通过 EMG 〔 8〕 公式进行理论模拟产生 ,当解析完成后同时可以得到优化后
的 EMG公式的各个参数 tR ,σ, τ。
免疫系统另一个独特的功能是可以对曾经入侵的抗原产生记忆 ,把相关的信息储存在记忆细胞中 ,当同种抗原再次入侵时就能快速的产生反应 ,将入侵抗原消除。本文算法在模拟抗体对抗原消除作用
的同时 ,对免疫系统的记忆功能加以应用 ,将优化得到的参数存入记忆细胞 ,直接用优化后的参数生成
抗体 ,对各列信号进行迭代消除 ,最终实现二维光谱的解析。
由式(1)易得 ,解析后所得浓度矩阵实为浓度向量与光谱向量的外积 hS T
, 因此 ,浓度矩阵的各行则
相应于各组分的吸收光谱。3 实验部分
3. 1 仪器
Spectra System FL2000高效液相色谱仪(美国 Spectra2Physics公司) ,包括自动进样器、 Spectra Focus紫
外2可见多波长检测器及一台联机的控制和数据处理 Spectra System工作站;Shimadzu26A(日本岛津制作
所)用于柱后显色剂的注入;色谱柱为10μm进口固定相ODS硅胶柱(大连化学物理研究所 ,250 mm×5
mm) ......
您现在查看是摘要介绍页,详见PDF附件(109KB,3页)。