化學(xué)模式識(shí)別和多維校正方法及其在復(fù)雜體系分析中的應(yīng)用研究.pdf

1、隨著現(xiàn)代科學(xué)技術(shù)的飛速發(fā)展,大量新型多通道高階分析儀器相繼問世,以及應(yīng)用體系日益復(fù)雜化,分析化學(xué)工作者面對(duì)的不再是進(jìn)行簡(jiǎn)單的標(biāo)量或矢量響應(yīng)數(shù)據(jù)分析,而是成千上萬個(gè)數(shù)據(jù)點(diǎn)組成的基于陣列基礎(chǔ)之上的二維、三維甚至四維的化學(xué)數(shù)據(jù)陣分析。這些龐大的數(shù)據(jù)陣中不僅包含了豐富的有用化學(xué)信息,也包含了一些干擾組分響應(yīng)、背景響應(yīng)、儀器噪音等,化學(xué)計(jì)量學(xué)理論和方法的不斷發(fā)展為從這些復(fù)雜的數(shù)據(jù)中提取有用化學(xué)信息提供了各種有效的解決方法。化學(xué)計(jì)量學(xué)理論體系中的化

2、學(xué)模式識(shí)別和多維校正方法是解析這些復(fù)雜數(shù)據(jù)信息的非常重要的兩個(gè)研究領(lǐng)域,本論文通過對(duì)這兩個(gè)領(lǐng)域的熱點(diǎn)和難點(diǎn)的追蹤研究,選取了其中幾個(gè)重要的問題進(jìn)行方法探索和應(yīng)用研究,內(nèi)容主要涉及以下幾個(gè)方面:
　　 1、化學(xué)模式識(shí)別方法與中藥近紅外光譜的質(zhì)量控制研究(第二章-第三章)
　　 中藥材原料質(zhì)量除了與是否存在摻雜使假的真?zhèn)蝺?yōu)劣有關(guān)之外,其質(zhì)量特征和藥效還與它們的地理區(qū)域性密切相關(guān)。另外,對(duì)于復(fù)方中藥的質(zhì)量除了與所采用的中藥材原

3、料用藥密切相關(guān),還與市場(chǎng)上各個(gè)廠家的生產(chǎn)加工用藥和工藝流程相關(guān)。因此,中藥材的真?zhèn)蝺?yōu)劣、不同道地性藥材以及不同廠家的復(fù)方中藥的判別對(duì)中藥質(zhì)量控制和有效監(jiān)督市場(chǎng)行為具有重要的現(xiàn)實(shí)意義。本文通過利用近紅外漫反射技術(shù)采集不同質(zhì)量類屬的牛黃樣品以及不同廠家的復(fù)方中藥六味地黃丸的近紅外紅光譜,提出了一種移動(dòng)窗口偏最小二乘判別分析(MWPLSDA)模式識(shí)別方法對(duì)這些不同類屬的牛黃樣品或六味地黃丸樣品的近紅外光譜數(shù)據(jù)進(jìn)行表征和信息提取,相比傳統(tǒng)的主成

4、分分析(PCA)、線性判別分析(LDA)、偏最小二乘判別分析(PLSDA)模式識(shí)別方法,該方法通過剔除與分類無關(guān)以及干擾分類的無用信息變量的影響,能更有效地處理近紅外光譜指紋信息中的非線性和復(fù)共線性等復(fù)雜的相關(guān)關(guān)系,從而有助于更好地從差異微小的指紋分類信息中提取出能反映中藥材牛黃樣本真?zhèn)?、道地性差別和復(fù)方中藥六味地黃丸樣本廠家來源的判別隱變量,給出更好的模式識(shí)別效果。該方法簡(jiǎn)單快速而又切實(shí)可行,可望推廣用于判別市面各種中藥真?zhèn)?、產(chǎn)地歸屬

5、、質(zhì)量類別等。
　　 2、一階校正新算法研究與多元光譜數(shù)據(jù)分析(第四章)
　　 最小二乘支持向量機(jī)(LS—SVM)以其優(yōu)越的性能在對(duì)多元光譜的二維數(shù)據(jù)分析的一階校正建模中得到越來越廣泛的應(yīng)用,但它的性能在很大的程度上還依賴于數(shù)據(jù)集分布的均一性和模型誤差的同質(zhì)性,這也是一階校正算法中存在的普遍性問題。因此,對(duì)一階校正建模中的訓(xùn)練集樣品的代表性和最優(yōu)化樣品加權(quán)問題進(jìn)行研究將關(guān)系到這類模型的進(jìn)一步推廣應(yīng)用。但是,由于在多元光譜

6、分析中樣品光譜空間的多維性和復(fù)雜性以及樣品選取過程中的不確定性,使得準(zhǔn)確估計(jì)訓(xùn)練集樣品在整個(gè)樣品空間的代表性尚存在一定困難。傳統(tǒng)的多元校正模型大多根據(jù)經(jīng)驗(yàn)方法選擇代表性樣品,在某些不利的情況下可能會(huì)影響校正模型對(duì)新樣品的預(yù)測(cè)性能。為解決以上問題,同時(shí)考慮到樣品的代表性很難通過考察單個(gè)樣品進(jìn)行估計(jì)以及多元校正模型本身還存在模型最佳參數(shù)的選擇與確定,我們把樣樣品加權(quán)和最小二乘支持向量機(jī)相結(jié)合,基于粒子群優(yōu)化算法,提出了一種自適應(yīng)訓(xùn)練最優(yōu)化樣

7、品加權(quán)最小二乘支持向量新算法(OSWLS-SVM)并用于多元光譜分析。該算法通過對(duì)原來的訓(xùn)練集樣品進(jìn)行非負(fù)加權(quán),在校正建模過程中同時(shí)考慮了模型的復(fù)雜性和預(yù)測(cè)能力,以同時(shí)優(yōu)化原始校正集樣品的訓(xùn)練和獨(dú)立驗(yàn)證集樣品的預(yù)測(cè)為訓(xùn)練目標(biāo),采用粒子群優(yōu)化算法實(shí)現(xiàn)對(duì)樣品代表性的某種最優(yōu)化重新刻度的同時(shí),也能實(shí)現(xiàn)模型超驗(yàn)參數(shù)的優(yōu)化。將該新算法用于真實(shí)的多元光譜二維數(shù)據(jù)集的校正分析結(jié)果表明,原始校正樣品的代表性較差時(shí),模型的預(yù)測(cè)性能確實(shí)能得以改善。另外對(duì)基

8、于粒子群優(yōu)化算法搜索性能的穩(wěn)定性和有效性進(jìn)行了考察,結(jié)果也表明,新算法非常穩(wěn)定有效。新算法為二維數(shù)據(jù)分析校正問題提供了一種新的全自動(dòng)建模方法,且構(gòu)建思想具有通用性,因此還能為改進(jìn)其它一階校正方法提供一種參考。
　　 3、二階校正方法與三維熒光技術(shù)用于直接或間接定量分析體液中藥物含量(第五章-第六章)
　　 復(fù)雜體液中藥物的快速分析是現(xiàn)代生命醫(yī)學(xué)領(lǐng)域面臨的一個(gè)重要的問題,傳統(tǒng)方法采用色譜分離技術(shù)來實(shí)現(xiàn)這一目的,通常情況下通

9、過調(diào)整色譜柱或者色譜條件分離,但是由于體液中含有不可預(yù)測(cè)的基質(zhì)及其他干擾物,在某些情況下往往難以實(shí)現(xiàn)完全分離,并且對(duì)于萃取分離條件的考察也十分耗時(shí)耗材。因此,考慮到熒光檢測(cè)技術(shù)具有高靈敏度、高選擇性、費(fèi)用低等優(yōu)點(diǎn),以及化學(xué)計(jì)量學(xué)二階校正相比一階校正具有二階優(yōu)勢(shì):即使有未知干擾共存也能對(duì)感興趣組分進(jìn)行定量分析,我們利用二階校正方法與三維激發(fā)-發(fā)射熒光光譜相結(jié)合,運(yùn)用平行因子(PARAFAC)和交替歸一加權(quán)殘差(ANWE)算法對(duì)三維熒光數(shù)據(jù)

10、進(jìn)行解析,在不用對(duì)干擾物和背景物加以校正建模的情況下,以數(shù)學(xué)分離代替化學(xué)分離,再基于標(biāo)樣的已知濃度,利用簡(jiǎn)單回歸法實(shí)現(xiàn)了抗癌藥物伊立替康的血藥濃度和其在人尿液中濃度的直接有選擇性的定量分析。該方法快速簡(jiǎn)便,花費(fèi)成本低廉,定量結(jié)果滿意。有潛力成為一種臨床監(jiān)控人體液中伊立替康含量的快速、靈敏分析方法。另外,為了將熒光檢測(cè)技術(shù)與二階校正方法所體現(xiàn)的優(yōu)勢(shì)繼續(xù)發(fā)揮在體液中弱熒光藥物和無熒光藥物的量化分析,我們通過膠束增敏增強(qiáng)三維熒光策略與基于PA

11、RAFAC和ANWE的二階校正方法相結(jié)合,增強(qiáng)了熒光分析方法的選擇性,且僅需簡(jiǎn)單的樣品預(yù)處理就實(shí)現(xiàn)了人血漿和同源藥物多潘立酮干擾共存下的甲氧氯普胺精確的光譜分辨和準(zhǔn)確的濃度預(yù)測(cè)。此外,還提出了一種新的對(duì)無熒光藥物美洛昔康在未知干擾共存下的人體尿液中的定量分析方法。該方法基于無熒光的美洛昔康通過氧化衍生水解反應(yīng)后生成強(qiáng)熒光化合物這一特性,仍然采用PARAFAC和ANWE這兩種二階校正方法對(duì)衍生三維熒光進(jìn)行數(shù)學(xué)分離,再通過間接校正目標(biāo)分析物

12、美洛昔康,獲得了滿意的定量結(jié)果。
　　 4、三階校正新算法研究及優(yōu)勢(shì)探索(第七章-第八章)
　　 當(dāng)對(duì)四線性成分模型的四維數(shù)據(jù)進(jìn)行定量預(yù)測(cè)分析時(shí),這一方法可被稱作三階校正,其具有的優(yōu)勢(shì)可稱三階優(yōu)勢(shì)。理論上,三階校正的優(yōu)勢(shì)不僅包括二階優(yōu)勢(shì),應(yīng)該還會(huì)包括更多的優(yōu)勢(shì)。針對(duì)二階校正在解決某些復(fù)雜體系分析中存在的不足,以及為適應(yīng)將來更多復(fù)雜體系數(shù)據(jù)解析或者高階聯(lián)用儀器的高階數(shù)據(jù)分析,研究三階校正方法相當(dāng)重要。然而,迄今為止,僅僅很

13、少的文獻(xiàn)報(bào)道過對(duì)四維數(shù)據(jù)的分析。作者在通過分析文獻(xiàn)中僅有的少數(shù)幾個(gè)四維算法的基礎(chǔ)上,總結(jié)了三階校正算法開發(fā)的總體思路,并首次基于四線性模型的不完全擴(kuò)展的矩陣形式,開發(fā)了兩種三階校正新算法。
　　 針對(duì)基于完全擴(kuò)展矩陣形式的四維平行因子(fourway—PARAFAC)對(duì)擬合模型需要的化學(xué)秩敏感、收斂速度慢、容易出現(xiàn)衰退解等不足,以及基于切片矩陣形式開發(fā)的交替懲罰四線性分解算法(APQLD)對(duì)噪聲容忍能力弱的缺點(diǎn),本文第七章中,開

14、發(fā)了一種基于不完全擴(kuò)展矩陣形式的交替加權(quán)殘差約束四線性分解(AWRCQLD)新算法。該算法構(gòu)建四個(gè)獨(dú)特的加權(quán)殘差函數(shù)作為四線性模型損失函數(shù)的約束項(xiàng),以交替最小化四個(gè)新的加權(quán)殘差目標(biāo)函數(shù)求解四維數(shù)據(jù)陣中四個(gè)潛在的矩陣。通過測(cè)試模擬的三維、四維數(shù)陣以及設(shè)計(jì)真實(shí)實(shí)驗(yàn)以信息總量相等的三維和四維數(shù)陣進(jìn)行解析對(duì)比,對(duì)應(yīng)用最為廣泛的幾種二階校正方法以及基于新算法AWRCQLD、fourway-PARAFAC和APQLD的三階校正方法的結(jié)果進(jìn)行比較,探

15、索了三階校正相比二階校正所具有的三階優(yōu)勢(shì),挖掘了新算法相比fourway-PARAFAC和APQLD兩種四維算法所具有的優(yōu)越性。研究表明,四維陣并不是三維陣的簡(jiǎn)單集合,各維間有著其獨(dú)特的內(nèi)在聯(lián)系。三階校正能更充分的提取數(shù)據(jù)隱含信息和提高分辨能力,能解決二階校正無法正確解析的高度共線性病態(tài)模擬數(shù)據(jù),也能解決二階校正無法對(duì)血漿中某些內(nèi)源干擾物質(zhì)的熒光光譜與目標(biāo)分析物奧沙普秦的光譜存在嚴(yán)重重疊且高度相似時(shí)的合理分辨和正確校正的問題。此外,新算

16、法AWRCQLD克服了兩種已有四維算法的不足,與fourway-PARAFAC算法相比,新算法不僅收斂速度快而且對(duì)組分?jǐn)?shù)不敏感。與APQLD算法相比,新算法對(duì)噪聲有很強(qiáng)的容忍能力,穩(wěn)健性令人滿意。新算法的顯著特點(diǎn)就是當(dāng)體系噪聲極大或共線性極強(qiáng)時(shí),且組分?jǐn)?shù)過剩時(shí),分辨得到的感興趣分析物的圖譜都十分穩(wěn)定,并且具有較快的收斂速度。該算法極有潛力成為研究復(fù)雜化學(xué)體系和過程中的四維數(shù)據(jù)分析的一種普適性算法。
　　 二階優(yōu)勢(shì)的發(fā)現(xiàn),曾極大地

17、推動(dòng)了化學(xué)計(jì)量學(xué)的長(zhǎng)足發(fā)展。我們也可以大膽預(yù)測(cè),三階優(yōu)勢(shì)也可能會(huì)在更多的實(shí)際應(yīng)用中展露鋒芒。為了能為四維數(shù)據(jù)分析提供更多可選擇的方法,在本文第八章中,我們?nèi)匀粡牟煌耆珨U(kuò)展形式的四線性模型出發(fā),開發(fā)一種自約束交替四線性分解(SRAQLD)新算法。該算法設(shè)計(jì)了具有密切內(nèi)在聯(lián)系的四個(gè)目標(biāo)函數(shù),其每個(gè)目標(biāo)函數(shù)的兩個(gè)部分之間互為平衡約束,以交替最小化四個(gè)個(gè)自約束的殘差求解四維數(shù)據(jù)陣中四個(gè)潛在的矩陣。在實(shí)驗(yàn)中,由于氯丙嗪與血漿存在熒光基體效應(yīng),而導(dǎo)

18、致二階校正和二階標(biāo)準(zhǔn)加入法對(duì)血漿中氯丙嗪的量化分析均出現(xiàn)不同程度的預(yù)測(cè)偏差。為了改善結(jié)果,通過增加血漿背景量的變化這一維信息,構(gòu)建激發(fā)-發(fā)射-背景體積量-樣本的熒光響應(yīng)四維數(shù)陣。并將four-way PARAFAC、APQLD與新提出的AWRCQLD和SRAQLD這四種三階校正方法對(duì)該體系進(jìn)行研究。結(jié)果顯示,利用三階校正方法可提取藥物中氯丙嗪在不同血漿背景量下隱含的作用趨勢(shì),使這種隱含信息不會(huì)被錯(cuò)誤關(guān)聯(lián)在分辨得到的光譜輪廓與相對(duì)濃度中,