[发明专利]干扰检测及所关注峰值解卷积

说明书

针对来自混合物的一或多种化合物，产生强度测量。针对被已知包含已知化合物的产物离子的所测量维度的范围，计算强度迹线。选择所述强度迹线的强度值。针对跨越所述范围的每一测量点，将每一强度迹线缩放为具有最小强度，将共同分量分布曲线作为跨越所述范围的所述经缩放强度迹线的所述最小强度的轮廓进行计算，且计算所述共同分量分布曲线的得分。选择最优共同分量分布曲线，与其它分布曲线的得分相比，所述最优共同分量分布曲线的得分最优地最小化所述共同分量分布曲线的最大值与所述每一测量点之间的距离、最大化所述共同分量分布曲线的面积且最小化从所述经缩放强度迹线减去所述共同分量分布曲线所得的面积。

相关申请案的交叉参考

本申请案主张2015年2月5日提出申请的序列号为62/112,213的美国临时专利申请案的权益，所述临时专利申请案的内容以全文引用的方式并入本文中。

背景技术

导论

从化合物的线性组合(也称作混合物)的集合提取纯化合物受到关注。对存在于混合物中的化合物的量化及识别是核磁共振(NMR)、红外(IR)、紫外(UV)、电子顺磁共振(EPR)与拉曼光谱学、质谱法等中的传统问题。对混合物的光谱的识别在大多数情形中是通过将混合物的光谱与参考化合物的库进行匹配而进行。此方法在很大程度上是低效的，其准确度强烈地取决于纯分量光谱的库的内容。另外，针对从天然源中分离或在蛋白质组学及代谢组学相关的研究中获得的若干种化合物，尚不存在可用的纯分量的库。

与先前基于库的方法相比，在过去的十年已重复地论证，可能采用仅使用混合物的光谱的测量的方法(称为盲源分离(BSS)、盲提取或盲解卷积)来将混合物的光谱分离成纯分量光谱。此领域中的两种方法是独立分量分析(ICA)及非负矩阵因式分解(NMF)。ICA属于用于解决盲线性求反问题的统计方法的群组。构建ICA算法所基于的假设包含假设未知纯分量在统计上是独立的且是非高斯的，及假设线性独立混合物的数目大于或等于纯分量的数目。NMF属于用于解决线性求反问题的代数方法的群组。其也要求线性独立混合物的数目大于或等于纯分量的数目，并且纯分量是非负的且稀疏的。在大多数光谱应用中，非负要求及稀疏要求不能被同时满足。

举例来说，第8,165,373号美国专利的背景技术章节描述盲解卷积算法的技术领域的当前技术水平。按惯例，这些盲解卷积算法旨在解决在光谱及质谱的许多领域中发生的识别来自混合物的化合物并对其进行定量的一般问题。光谱及质谱的一些领域包含可受益于较狭义定制的算法的较狭义定义的问题。

较狭义定义的问题的一个非限制性实例在多反应监测(MRM)质谱中发生。MRM是串联质谱方法。定性及定量信息两者均可从串联质谱仪获得。在此仪器中，在质量过滤器中选择前体离子、进行碎裂且在质量分析器中分析产物离子。选择前体离子、将其碎裂及通过质量与电荷比(m/z)分析所得产物离子的整个过程称为质谱/质谱(MS/MS)或MS/MS扫描。从MS/MS产生的产物离子光谱可用于识别样本中的化合物(前体离子)，且一或多个产物离子的强度可用于对存在于样本中的化合物的量进行定量。

信息相依分析(IDA)是一种其中在将样本引入到串联质谱仪中时用户可规定用于执行MS/MS的准则的灵活串联质谱方法。举例来说，在IDA方法中，执行前体离子或质谱(MS)调查扫描以产生前体离子峰值列表。用户可选择在峰值列表上筛选前体离子的子组的峰值列表的准则。接着，对前体离子的子组中的每一前体离子执行MS/MS。产生每一前体的产物离子光谱。对引入到串联质谱仪中的样本的前体离子的子组中的前体离子重复地执行MS/MS。举例来说，样本是通过注射或色谱运行而引入。

一般来说，在IDA方法期间执行两种类型的MS/MS。在第一类型中，选择单个前体离子并进行碎裂，且对产物离子的整个质量范围进行质量分析。此类型的MS/MS扫描称为全扫描MS/MS或全产物离子MS/MS扫描。全扫描MS/MS通常用于定性分析。换句话说，全扫描MS/MS通常用于从产物离子的图案识别前体离子。