高維化學(xué)計量學(xué)方法的若干基礎(chǔ)性研究以及在藥物分析中的應(yīng)用.pdf

1、化學(xué)計量學(xué)是一門新興發(fā)展的交叉學(xué)科，它運用數(shù)學(xué)、統(tǒng)計學(xué)和計算機科學(xué)等方法設(shè)計最優(yōu)化學(xué)量測策略，通過對化學(xué)數(shù)據(jù)的分析處理最大限度地獲取化學(xué)及相關(guān)信息?；瘜W(xué)計量學(xué)方法不僅豐富了現(xiàn)代分析化學(xué)的基礎(chǔ)理論，而且利用現(xiàn)代分析儀器所產(chǎn)生的龐大的量測信息，為復(fù)雜化學(xué)體系的無擾動、實時在線分析以及傳統(tǒng)分析化學(xué)難于處理的復(fù)雜多組份平衡與動力學(xué)體系的解析提供了便利的研究手段。隨著可產(chǎn)生高階數(shù)據(jù)的高階分析儀器的不斷發(fā)展，高維數(shù)據(jù)分析已成為化學(xué)計量學(xué)領(lǐng)域的一大熱

2、點。本文作者在仔細(xì)分析當(dāng)前國內(nèi)外化學(xué)計量學(xué)發(fā)展的方向及其研究動態(tài)的基礎(chǔ)上，選取了高維數(shù)據(jù)分析中的幾個重要問題進行了深入系統(tǒng)的理論、方法及應(yīng)用研究。本論文主要涉及以下幾個方面： 1．多線性成分模型研究 (第二章)為了進一步理解基于多線性成分模型而提出的分解算法以及這些算法在實際中的應(yīng)用，有必要對多線性成分模型的優(yōu)勢及特點進行闡述和探索。本章從多線性成分模型的數(shù)學(xué)表述及圖形表述入手，仔細(xì)剖析其相應(yīng)模型的本質(zhì)及相互聯(lián)系，特別在圖形表述

3、中對高維數(shù)陣與矩陣的運算規(guī)則作了較為深入地研究。這些工作也可為數(shù)學(xué)學(xué)科多線性代數(shù)的發(fā)展提供很有意義的參考。 2．三線性分解算法研究 (第三章-第五章)針對平行因子分析算法收斂速度慢，優(yōu)化過程中容易陷入所謂的“沼澤”區(qū)域、對擬合模型預(yù)估的成分?jǐn)?shù)敏感等缺點，本文提出了交替懲罰三線性分解算法(APTLD)。其基本思路是利用交替最小二乘原理以及懲罰限制去交替最小化三個不同的交替懲罰殘差。通過處理模擬的和真實的三維數(shù)據(jù)，表明交替懲罰三線性

4、分解算法不僅能夠?qū)Υ郎y分析物進行準(zhǔn)確預(yù)測和解決收斂速度慢的問題，而且也可減輕迭代運算時陷入“沼澤”的風(fēng)險。此外，因其具有對預(yù)估成分?jǐn)?shù)的不敏感性，故可解決在實際應(yīng)用中必須預(yù)先選定正確成分?jǐn)?shù)的問題。鑒于三維數(shù)據(jù)來源日益豐富，研究體系也日益復(fù)雜，本文又提出了交替擬合殘差法(AFR)和交替歸一加權(quán)法(ANWE)用于三維數(shù)據(jù)分析。結(jié)合氟喹諾酮、柔紅霉素、補骨脂素等藥物成分的直接快速分析實例，這些算法與平行因子分析算法(PARAFAC)相比，在解決

5、實際問題時皆獲良好的結(jié)果，從而可實現(xiàn)在現(xiàn)代分析化學(xué)中實際復(fù)雜體系的直接快速定量分析。 3．四線性分解算法的研究 (第六章)隨著研究體系日益復(fù)雜、分析手段更加先進，處理四維響應(yīng)數(shù)據(jù)陣也越來越迫切。當(dāng)四維數(shù)據(jù)基于四線性成分模型進行定量預(yù)測分析時，這一方法可被稱作“三階校正”，其具有的優(yōu)勢叫做“三階優(yōu)勢”。理論上，三階校正的優(yōu)勢不僅包括“二階優(yōu)勢”，即即使能夠在未知干擾共存下也能對感興趣組分進行定量分析，而且還會包括更多的優(yōu)勢。然而，

6、目前我們還仍然缺乏對四維數(shù)陣四線性成分模型的理論優(yōu)勢的整體理解，因此對于四線性成分模型理論和三階優(yōu)勢的探索已變得十分迫切而必要。本文提出的交替懲罰四線性分解算法可以看成是交替懲罰三線性分解算法的一種擴展。這一交替懲罰四線性分解算法還可以被擴展到更高維。為了探索高階數(shù)據(jù)的分析特征，我們運用分別基于該算法和四維平行因子分析算法的三階校正方法用于處理模擬的和實際的四維數(shù)陣。結(jié)果顯示，這兩種四維算法都能在定量分析上獲得滿意的結(jié)果，而且與相應(yīng)三維

7、算法比較，第四物理維的引入在某種程度上緩解了嚴(yán)重共線性的問題。這種優(yōu)勢應(yīng)屬于“三階優(yōu)勢”。此外，新算法與四維平行因子分析算法相比較，新算法收斂速度要明顯快于四維平行因子分析算法，并且對模型的預(yù)估成分?jǐn)?shù)不敏感，這種特性避免了在三階校正中模型需要選擇正確組分?jǐn)?shù)的尷尬。 4．高維數(shù)據(jù)化學(xué)秩的估計 (第七章)在應(yīng)用多線性算法處理高維數(shù)據(jù)之前，首先就是要估計高維化學(xué)數(shù)據(jù)的化學(xué)秩。利用對原始量測高維數(shù)陣的切片矩陣通過奇異值分解去構(gòu)造一個偽高

8、維陣，然后通過運用特征矢量信息結(jié)合投影的策略比較原始高維陣與偽高維陣的差異，從而提出了偽高維陣子空間投影法對高維數(shù)據(jù)陣列實施化學(xué)秩的估計。通過對模擬的和真實的三維數(shù)據(jù)的處理結(jié)果比較顯示該方法運算速度快、穩(wěn)健、結(jié)果可靠，尤其對于存在嚴(yán)重共線性和痕量組分的復(fù)雜體系表現(xiàn)出明顯的優(yōu)勢。值得一提的是，雖然文中只是運用三維數(shù)據(jù)來闡述該方法的優(yōu)良性能，然而該方法很容易推廣到更高維數(shù)陣情形，以用于更高維數(shù)據(jù)化學(xué)秩的估計。 5．三維數(shù)據(jù)分析在藥學(xué)

9、研究中的應(yīng)用 (第八章-第九章)研究藥物與DNA的相互作用不僅對理解作用機制有很大意義，還可以指導(dǎo)新藥的設(shè)計。然而，直到最近，對藥物分子與DNA的相互作用機制仍然知之甚少。本文利用交替懲罰三線性分解法(APTLD)與三維熒光分析相結(jié)合，研究了柔紅霉素(DNR)、小檗堿(BER)分別與DNA的相互作用以及DNR、BER與DNA作用時的競爭反應(yīng)。采用APTLD處理可以很方便的得到激發(fā)發(fā)射光譜和在不同的反應(yīng)和平衡混合物中的相對濃度。這些結(jié)果對

10、于進一步了解在DNR、BER與DNA作用時的競爭機制很有用處。可以證明DNR-DNA結(jié)合體的熒光光譜與DNR的不同。此外，該方法也為尋找新的無毒、高效的熒光探針提供了新的思路。對有爭議的藥物與DNA的作用機制的研究提供了有用的佐證。 對體液中藥物的直接、快速的測定仍然是現(xiàn)代生命醫(yī)學(xué)領(lǐng)域面臨著一個重要的問題。腎上腺素是腎上腺髓質(zhì)的主要激素和神經(jīng)傳送體，由于腎上腺素?zé)晒獗容^弱，要想直接采用熒光法對其進行定量分析，幾乎是不可能的。然而

11、本文利用三線性分解算法結(jié)合化學(xué)動力學(xué)熒光測定實現(xiàn)了對人血漿中腎上腺素的定量測定。該方法利用弱熒光的腎上腺素氧化可生成強熒光的中間體，并且中間體的濃度與初始腎上腺素的濃度成線性關(guān)系這一特點，結(jié)合三線性分解算法分辨，再通過偽校正便可以達(dá)到定量檢測的目的。從三線性分解算法分辨所獲得的時間特征圖，我們可以清楚地看到復(fù)雜反應(yīng)體系中每一成分的動態(tài)變化過程。利用這一優(yōu)勢，可以對藥物的反應(yīng)機理有了直觀的認(rèn)識。實驗證明化學(xué)動力學(xué)過程熒光測定與化學(xué)計量學(xué)二