CN118311188B - 杂质检测方法及设备、电子设备、可读存储介质 - Google Patents
杂质检测方法及设备、电子设备、可读存储介质 Download PDFInfo
- Publication number
- CN118311188B CN118311188B CN202410741734.9A CN202410741734A CN118311188B CN 118311188 B CN118311188 B CN 118311188B CN 202410741734 A CN202410741734 A CN 202410741734A CN 118311188 B CN118311188 B CN 118311188B
- Authority
- CN
- China
- Prior art keywords
- mass
- degree
- value
- spectrogram
- preparation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000012535 impurity Substances 0.000 title claims abstract description 83
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000002360 preparation method Methods 0.000 claims abstract description 155
- 238000004140 cleaning Methods 0.000 claims abstract description 77
- 230000008859 change Effects 0.000 claims abstract description 55
- 239000000463 material Substances 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000001819 mass spectrum Methods 0.000 claims abstract description 39
- 230000005856 abnormality Effects 0.000 claims description 54
- 238000005259 measurement Methods 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000000052 comparative effect Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004154 testing of material Methods 0.000 abstract description 2
- 150000001875 compounds Chemical class 0.000 description 20
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 12
- 239000000047 product Substances 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- WGTYBPLFGIVFAS-UHFFFAOYSA-M tetramethylammonium hydroxide Chemical compound [OH-].C[N+](C)(C)C WGTYBPLFGIVFAS-UHFFFAOYSA-M 0.000 description 6
- 229920001577 copolymer Polymers 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000004949 mass spectrometry Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Developing Agents For Electrophotography (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明涉及材料测试与分析技术领域，提出了一种杂质检测方法及设备、电子设备、可读存储介质，包括：采集待检测材料样品的原始质谱图和各个对比质谱图，确定每个制备条件对每个质荷比的丰度值变化的影响程度，进而获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度；根据干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图，进而对待检测材料样品内杂质含量进行检测。通过上述技术方案，解决了现有技术中容易将噪声、异常数据与正常数据混淆，造成质谱数据清洗效果较差，使得杂质检测准确性低下的问题，主要用于检测材料杂质含量情况。
Description
技术领域
本发明涉及材料测试与分析技术领域，具体的，涉及一种杂质检测方法及设备、电子设备、可读存储介质。
背景技术
在生产化合物的过程中，可能会产生一些杂质，例如，TMAH（四甲基氢氧化铵，Tetramethylammonium Hydroxide）的生产过程中可能存在来自原料、反应过程、设备污染等方面的杂质。为了保障产品质量、生产效率和合规性，同时确保客户满意度和安全性，需要在化合物生产过程中进行杂质检测。
现有通常利用液相色谱-质谱联用的方法对生产过程中的杂质进行检测，该方法在杂质检测的过程中比较依赖所采集的质谱图的相对丰度的准确性，为了提高杂质检测的可靠性，需要对质谱图中的数据进行数据清洗。但是，由于基质效应，样品基质中的化合物与目标化合物可能在质谱图中产生重叠，信号将存在混叠或遮蔽；另外，在某些样品中可能存在共聚物，即与目标化合物类似的化合物，两者的离子特征可能发生重合。受基质效应、共聚物以及其他不可预测因素的影响，直接对原始质谱图中数据进行数据清洗，容易将噪声、异常数据与正常数据混淆，进而将杂质误判为成品成分，使得化合物的杂质检测准确性低下。
发明内容
本发明提出一种杂质检测方法及设备、电子设备、可读存储介质，解决了相关技术中的受基质效应、共聚物以及其他不可预测因素的影响，直接对原始质谱图中数据进行数据清洗，容易将噪声、异常数据与正常数据混淆，进而将杂质误判为成品成分，使得化合物的杂质检测准确性低下的问题。
本发明的技术方案如下：
采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图；
根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度；
根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度；
根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图；
结合所述清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。
进一步地，所述制备环境包含若干个制备条件，所述对比质谱图通过调整原始制备环境中任意一个制备条件获得，所述制备条件具备对应的误差范围和误差计量单位。
进一步地，所述根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度，包括：
对于调整任意一个制备条件的各对比质谱图，获取每个质荷比对应的实际丰度值集合，进而计算所述实际丰度值集合的方差，将所述方差作为该制备条件对每个质荷比的丰度值变化的第一影响因子；
计算该制备条件的误差范围中最大值和最小值之间的差值，将所述差值与误差计量单位的乘积进行负相关处理，获得该制备条件对每个质荷比的丰度值变化的第二影响因子；
根据所述第一影响因子和所述第二影响因子，确定该制备条件对每个质荷比的丰度值变化的影响程度；
其中，对于每个制备条件的误差范围和误差计量单位，按照标准计量表达方式表示；所述第一影响因子、所述第二影响因子与所述影响程度为正相关关系。
进一步地，所述根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度，包括：
；式中，表示原始质谱图中第k个质荷比的实际丰度值受到的干扰程度，m表示制备条件的序号，M表示制备条件的数目，表示第m个制备条件对第k个质荷比的丰度值变化的影响程度，n表示调整第m个制备条件对应的对比质谱图的序号，N表示调整第m个制备条件对应的对比质谱图的数目，表示调整第m个制备条件对应的第n个对比质谱图中第k个质荷比的实际丰度值，表示原始质谱图中第k个质荷比的实际丰度值，表示对求绝对值。
进一步地，所述根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图，包括：
根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，确定原始质谱图中各个峰值点的异常程度；
根据所述各个峰值点的异常程度筛选出待清洗峰值点，并确定待清洗峰值点的清洗方向和清洗幅度；
利用待清洗峰值点的清洗方向和清洗幅度，对待清洗峰值点的实际丰度值进行数据清洗，获得清洗后的质谱图。
进一步地，所述根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，确定原始质谱图中各个峰值点的异常程度，包括：
利用原始质谱图中各个峰值点对应的质荷比的实际丰度值受到的干扰程度，对各个峰值点的实际丰度值与理论丰度值之间的差值进行加权，获得各个峰值点的初始异常程度；
对各个峰值点的初始异常程度的绝对值进行归一化处理，将归一化后的数值作为对应的峰值点的异常程度。
进一步地，所述根据所述各个峰值点的异常程度筛选出待清洗峰值点，并确定待清洗峰值点的清洗方向和清洗幅度，包括：
设置异常程度阈值，将异常程度大于异常程度阈值的峰值点作为待清洗峰值点；
根据待清洗峰值点的初始异常程度的正负情况确定待清洗峰值点的清洗方向；
通过待清洗峰值点的异常程度确定待清洗峰值点的清洗幅度。
一种杂质检测设备，所述设备包括：数据采集模块、数据分析模块、数据清洗模块和杂质检测模块；
数据采集模块：用于采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图；
数据分析模块：用于根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度；根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度；
数据清洗模块：用于根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图；
杂质检测模块：用于结合所述清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。
一种电子设备，包括处理器，存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的杂质检测方法的步骤。
一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的杂质检测方法的步骤。
本发明的工作原理及有益效果为：
本发明中，通过获取待检测材料样品的原始质谱图和不同制备环境中的对比质谱图，分析原始质谱图中各个质荷比的实际丰度值受到的干扰程度，进而根据干扰程度和原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，相比现有的数据清洗方式，本发明所确定的干扰程度可以在一定程度上避免将噪声、异常数据与正常数据混淆，出现杂质误判的情况，基于更加可靠的清洗后的质谱图，可以有效增强待检测材料样品内杂质含量检测的准确性。在化合物制备生产过程中，不同的制备环境使得最终产物中主成分所包括的杂质含量产生不同程度的变化，因此基于每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，可以完整且准确地量化每个制备条件对每个质荷比的丰度值变化的影响程度，而影响程度的计算为后续的干扰程度分析提供了可靠的数据支持；现有液相色谱-质谱联用的方法在杂质检测的过程中比较依赖质谱数据的准确性，相比未进行数据清洗所实现的杂质检测，结合清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测，有助于提高杂质检测结果的可靠性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例中一种质谱数据处理方法的步骤流程图；
图2为本发明实施例中一种杂质检测方法的步骤流程图；
图3为本发明实施例中确定任意一个制备条件对每个质荷比的丰度值变化的影响程度的步骤流程图；
图4为本发明实施例中获得清洗后的质谱图的步骤流程图；
图5为本发明实施例中一种杂质检测设备的结构框图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都涉及本发明保护的范围。
本发明所针对的应用情景可以为：
在利用液相色谱-质谱联用的方法检测材料样品中的杂质含量时，由于基质效应、共聚物以及其他不可预测因素的影响，质谱图中部分数据点的数值发生改变，也可能叠加在其他数据点上，而常规的数据清洗方式容易将噪声、异常数据和正常数据混淆，质谱数据清洗效果较差，导致最终确定的杂质含量准确性低下。为了提高杂质检测的准确性，本实施例通过分析每个峰值点所受到的实际干扰情况，量化原始质谱图中各个峰值点的数据异常程度，基于该数据异常程度可以实现更为可靠的数据清洗，一定程度上避免将噪声、异常数据和正常数据互相混淆。
实施例1
如图1所示，本实施例提出了一种质谱数据处理方法，包括以下实现步骤：
S1，采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图。
S11，采集待检测材料样品的原始质谱图。
本实施例中，待检测材料可以是四甲基氢氧化铵，当然，待检测材料也可以是其他类型的化合物，不做具体限定。在待检测材料制备过程中，需要进行抽样以检测杂质含量，其中涉及样品的提取、浓缩、稀释、前处理等步骤，以便于处理后的样品适用于LC-MS（Liquid Chromatography-Mass Spectroscopy，液相色谱-串联质谱技术）分析。
样品通过液相色谱柱进行分离，在分离的过程中样品中的化合物可以根据其化学性质在色谱柱中分离，液相色谱柱的选择取决于待检测材料的化合物类型和目标；分离后的化合物进入到质谱检测器中，化合物通过电离、碎裂产生离子，然后根据离子的质量与电荷的比率进行分离和检测，生成初始质谱图，初始质谱图可以为后续的数据清洗提供数据支持。其中，利用LC-MS技术生成待检测材料样品的原始质谱图的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
S12，采集相同质量的待检测材料样品在不同制备环境中的对比质谱图。
需要说明的是，待检测材料的制备对于环境因素的要求比较高，只通过单一数据进行预测缺乏真实性。可以通过调整制备环境中不同制备条件变量的方法，生成原始质谱图的对比质谱图，以便于后续基于对比质谱图分析制备条件对质谱图中数据点变化的影响程度。
具体的，获取原始质谱图对应的每个对比质谱图的步骤可以包括：
采集与原始质谱图的待检测材料样品相同质量的样品，通过控制单一制备条件在其对应的误差范围内变化，实现制备环境的改变，进而获得待检测材料样品在不同制备环境中的对比质谱图。
其中，每次制备条件的变动，均可以生成一个对比质谱图；制备环境包含若干个制备条件，制备条件的数目可以由待检测材料的化合物性质决定，不做具体限定，每个制备条件均有其对应的误差范围和误差计量单位，制备条件可能包括理论的温度范围、压力范围和PH值等；对比质谱图是通过调整原始制备环境中任意一个制备条件获得的，原始制备环境指代生成原始质谱图时对应的各个制备条件构成的制备环境。
值得说明的是，在调整制备条件时需要在其对应的误差范围内调整，但由于某些制备条件的误差范围相对较大，导致此时获取对比质谱图的成本过高。为了一定程度上减少计算量，对于每个制备条件，获取具有代表性的对比质谱图，例如，仅获取处于误差范围中间位置的10个数值对应的对比质谱图。获取的误差范围中间位置的数值数目可以由实施者根据具体实际情况设置，不做具体限定。
至此，本实施例获得了待检测材料样品的原始质谱图及其对应的每个对比质谱图。
S2，根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度。
需要说明的是，根据先验知识可知，在化合物制备生产过程中，不同的制备环境使得最终产物中主成分所包括的杂质含量产生不同程度的变化，且不同的制备条件变化对于产物中各种成分的影响不同。因此，在制备环境变化的前提下，通过分析每个质荷比的丰度值变化情况以及当前制备条件的误差范围和误差计量单位，可以量化每个制备条件对每个质荷比的丰度值变化的影响程度。
本实施例中，每个制备条件对每个质荷比的丰度值变化的影响程度的计算过程一致，为了减少不必要的描述，以任意一个制备条件为例，确定该制备条件对每个质荷比的丰度值变化的影响程度，如图3所示，具体实现步骤可以包括：
S21，对于调整该制备条件的各对比质谱图，获取每个质荷比对应的实际丰度值集合，进而计算实际丰度值集合的方差，将方差作为该制备条件对每个质荷比的丰度值变化的第一影响因子。
对于每个质荷比对应的实际丰度值集合，同一材料样品对应的不同质谱图中各个质荷比相同，但各个质荷比的实际丰度值可能不同。假设任意一个质谱图中各个质荷比分别为15、17和50，那么每个质谱图中的各个质荷比均为15、17和50，对于所有质谱图，质荷比15对应一个实际丰度值集合，质荷比17对应一个实际丰度值集合，质荷比50同样对应一个实际丰度值集合。其中，实际丰度值集合中的数据数目与质谱图数目相同。
在调整制备条件时，相邻调整变量之间的间隔相同，也就是调整变量呈现均匀变化。在调整变量均匀变化的前提下，若某个质荷比对应的实际丰度值集合的方差越大，说明该质荷比的丰度值变化对该制备条件变化的敏感程度越大，该制备条件对该质荷比的丰度值变化的影响程度越大，说明当前制备条件变化对成品杂质生成的影响越大，当前质荷比对应的丰度值变化时表现异常的可能性越小。
S22，计算该制备条件的误差范围中最大值和最小值之间的差值，将差值与误差计量单位的乘积进行负相关处理，获得该制备条件对每个质荷比的丰度值变化的第二影响因子。
需要说明的是，不同制备条件在预设时所允许的误差范围不同，误差范围越大，同时误差的计量单位越大，说明当前环境变化对产品生产过程的影响越小。另外，为了确保不同制备条件的误差范围、误差计量单位的量纲统一性，对于每个制备条件的误差范围和误差计量单位，按照标准计量表达方式表示。
本实施例中，通过误差范围中最大值和最小值之间的差值可以量化误差范围的大小，由于误差范围和误差计量单位越大，说明当前生产条件数值对成品杂质生成的影响越小，所以需要对差值与误差计量单位的乘积进行负相关处理，例如，取差值与误差计量单位的乘积的倒数。
其中，负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。
S23，根据第一影响因子和第二影响因子，确定该制备条件对每个质荷比的丰度值变化的影响程度。
第一影响因子、第二影响因子与影响程度为正相关关系，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定。本实施例中，将第一影响因子和第二影响因子的乘积作为丰度值变化的影响程度。
作为示例，第m个制备条件对第k个质荷比的丰度值变化的影响程度的计算公式可以为：
；式中，表示第m个制备条件对第k个质荷比的丰度值变化的影响程度，表示第m个制备条件的误差范围中的最大值，表示第m个制备条件的误差范围中的最小值，表示第m个制备条件的误差计量单位，表示第m个制备条件对第k个质荷比的丰度值变化的第二影响因子，表示第m个制备条件对应的第k个质荷比对应的实际丰度值集合，表示第m个制备条件对应的第k个质荷比对应的实际丰度值集合的方差，还可以表示第m个制备条件对第k个质荷比的丰度值变化第一影响因子。
在影响程度的计算公式中，可以用于表征第m个制备条件的误差范围的极差，该值越大，说明待检测材料在生产过程中成品杂质生成的影响越小；同时，误差计量单位越大，说明第m个制备条件对成品杂质生成的影响越小；可以用于表征第m个制备条件对应的第k个质荷比的实际丰度值变化稳定性，越大，实际丰度值变化稳定性越小，说明丰度值变化对当前生产条件的数值变化的敏感程度越大，进而说明第k个质荷比若出现丰度值变化时，存在异常的可能性越小；第m个制备条件对第k个质荷比的丰度值变化的影响程度越大，说明第k个质荷比对应的丰度变化时表现异常的可能性越小。
需要说明的是，在分析制备条件变化对质荷比对应的丰度变化所产生的影响时，不仅考虑到不同制备条件对应的同一质荷比的丰度变化稳定性，还考虑到不同制备条件在预设时所允许的误差范围和误差的计量单位的标准量化情况，其有效提高了影响程度计算的准确性和可靠性，为后续计算干扰程度提供了数据条件。
至此，本实施例获得了每个制备条件对每个质荷比的丰度值变化的影响程度。
S3，根据影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度。
需要说明的是，任意一个质荷比为非正常数据时的表现，通常是由于相同元素的实际丰度值在该质荷比处产生非正常的增大或减小；在化学反应过程中参与反应的成分和化合物之间是存在质量守恒的，对于任意一种成分的检测数值大小的获取，取决于任意一个峰值点的实际丰度值的大小；现有通过计算实际丰度值和理论丰度值之间的差异，即可量化当前数据点的异常程度，但是实际丰度值和理论丰度值之间差异中存在其他不可预测的因素影响，使得仅通过两者之间差异大小对数据点进行清洗，仍会导致数据点的实际丰度值数值准确性低下，所以需要对原始质谱图中各个质荷比的实际丰度值受到的干扰程度进行量化处理，以便于后续对实际丰度值和理论丰度值之间的差异进行修正。
本实施例中，原始质谱图中各个质荷比的实际丰度值与每个对比质谱图中各个质荷比的实际丰度值之间存在一定的非线性关系，对于同一质荷比，原始质谱图的实际丰度值与每个对比质谱图的实际丰度值之间的差异越大，说明实际丰度值和理论丰度值之间差异越大，原始质谱图中该质荷比的实际丰度值受到的干扰程度越大；每个制备条件对每个质荷比的丰度值变化的影响程度可以表征相同质荷比下原始质谱图的实际丰度值与每个对比质谱图的实际丰度值之间差异的真实性，影响程度越大，质荷比对应的丰度变化时表现异常的可能性越小，对应质荷比的实际丰度值受到的干扰程度越小。
作为示例，原始质谱图中第k个质荷比的实际丰度值受到的干扰程度的计算公式可以为：
；式中，表示原始质谱图中第k个质荷比的实际丰度值受到的干扰程度，m表示制备条件的序号，M表示制备条件的数目，表示第m个制备条件对第k个质荷比的丰度值变化的影响程度，n表示调整第m个制备条件对应的对比质谱图的序号，N表示调整第m个制备条件对应的对比质谱图的数目，表示调整第m个制备条件对应的第n个对比质谱图中第k个质荷比的实际丰度值，表示原始质谱图中第k个质荷比的实际丰度值，表示对求绝对值。
在干扰程度的计算公式中，第m个制备条件对第k个质荷比的丰度值变化的影响程度越大，在调整第m个制备条件时，第k个质荷比的丰度值变化表现为异常的可能性越小，说明原始质谱图中第k个质荷比的实际丰度值受到的干扰程度越小，故对进行反比例操作，即利用分式表示；可以表征通过调整同一制备条件获得的多个对比质谱图中某个质荷比的实际丰度值与原始质谱图中该质荷比的实际丰度值之间的差异情况，该值越大，说明原始质谱图中第k个质荷比的实际丰度值与理论丰度值之间的差异越大，原始质谱图中第k个质荷比的实际丰度值受到的干扰程度越大；遍历所有制备条件下的对比质谱图，可以获得，可以用于表征的可信度，越大，的可信度越大。
需要说明的是，干扰程度可以表征质荷比的实际丰度值的真实情况，干扰程度越大，说明原始质谱图中第k个质荷比的实际丰度值受到基质效应、共聚物以及其他不可预测因素的影响越大，越需要对现有的异常程度计算方式进行修正处理。在计算干扰程度时，通过所有对比质谱图和原始质谱图之间的丰度差异情况、制备条件对每个质荷比的丰度值变化的影响程度，可以提高干扰程度的数值准确性，有利于提供更准确的修正系数，进而提升质谱数据清洗的精准程度。
至此，本实施例获得了原始质谱图中各个质荷比的实际丰度值受到的干扰程度。
S4，根据干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图。
需要说明的是，在获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度后，利用干扰程度对各个峰值点的实际丰度值与理论丰度值之间差异进行修正处理，可以获得准确性更高的异常程度，基于异常程度进行数据清洗处理，从而获得清洗后的质谱图，获得清洗后的质谱图的步骤流程图如图4所示，具体实现步骤可以包括：
S41，根据干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，确定原始质谱图中各个峰值点的异常程度。
需要说明的是，先获取原始质谱图中各个峰值点的理论丰度值。一般情况下，理论丰度值可以通过已知化合物的质谱数据或数据库中的质谱库进行估算，理论丰度值指代参与当前生产过程中化学反应的物质的理论值，理论丰度值的获取方式为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
S411，利用原始质谱图中各个峰值点对应的质荷比的实际丰度值受到的干扰程度，对各个峰值点的实际丰度值与理论丰度值之间的差值进行加权，获得各个峰值点的初始异常程度。
本实施例中，实际获取材料成分含量时，绝大部分情况是基于峰值点的数据情况确定的，但是当质谱数据存在相关干扰时，可能会在质谱图中形成特征峰，且不同特征峰之间存在的关联性较低，并且制备条件对于数据的影响不止表现在峰值点上。因此，通过局部数据点的特征表现，进而推断出峰值点受干扰的合理性，即确定各个峰值点对应的质荷比的实际丰度值受到的干扰程度。
S412，对各个峰值点的初始异常程度的绝对值进行归一化处理，将归一化后的数值作为对应的峰值点的异常程度。
作为示例，原始质谱图中第e个峰值点的异常程度的计算公式可以为：
；式中，表示原始质谱图中第e个峰值点的异常程度，norm表示线性归一化函数，表示原始质谱图中第e个峰值点对应的质荷比的实际丰度值受到的干扰程度，表示原始质谱图中第e个峰值点的实际丰度值，表示原始质谱图中第e个峰值点的理论丰度值，表示对求绝对值，表示原始质谱图中第e个峰值点的初始异常程度。
在异常程度的计算公式中，可以表示原始质谱图中第e个峰值点的实际值与理论值之间的差异，该差异越大，说明第e个峰值点产生异常的可能性越大，进行数据清洗的可能性越大；由于理论值本身容易受到生产环境因素的干扰，需要利用干扰程度对实际丰度值与理论丰度值之间差异进行加权处理，即；存在理论丰度值大于实际丰度值的情况，故需要对进行取绝对值处理，在对数据清洗的过程中，可以根据初始异常程度的正负情况选择数据清洗方向；为了便于后续判断峰值点是否有必要进行数据清洗操作，对异常程度进行阈值判断，需要对峰值点的初始异常程度的绝对值进行归一化处理。
S42，根据各个峰值点的异常程度筛选出待清洗峰值点，并确定待清洗峰值点的清洗方向和清洗幅度。
S421，设置异常程度阈值，将异常程度大于异常程度阈值的峰值点作为待清洗峰值点。
本实施例中，将异常程度阈值设置为0.7，实施者可以根据具体实际情况设置异常程度阈值的大小，不做具体限定。当某个峰值点的异常程度大于异常程度阈值时，说明该峰值点所表现的异常程度较大，需要进行数据清洗，将该峰值点作为待清洗峰值点；当某个峰值点的异常程度不大于异常程度阈值时，不对该峰值点进行数据清洗。由此，获得原始质谱图中各个待清洗峰值点。
S422，根据待清洗峰值点的初始异常程度的正负情况确定待清洗峰值点的清洗方向。
本实施例中，对于任意一个待清洗峰值点，待清洗峰值点的初始异常程度为正数时，待清洗峰值点的清洗方向为增大；待清洗峰值点的初始异常程度为负数时，待清洗峰值点的清洗方向为减小。
S423，通过待清洗峰值点的异常程度确定待清洗峰值点的清洗幅度。
本实施例中，对于任意一个待清洗峰值点，待清洗峰值点的异常程度越大，待清洗峰值点的清洗幅度越大，也就是待清洗峰值点的清洗幅度由异常程度决定。
S43，利用待清洗峰值点的清洗方向和清洗幅度，对待清洗峰值点的实际丰度值进行数据清洗，获得清洗后的质谱图。
本实施例中，基于待清洗峰值点的清洗方向和清洗幅度，对原始质谱图中所有待清洗峰值点的实际丰度值进行数据清洗处理，从而获得清洗后的质谱图。数据清洗的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
至此，本实施例获得了待检测材料的清洗后的质谱图。
本实施例提供的一种质谱数据处理方法，通过不同制备环境中的对比质谱图，量化每个制备条件对每个质荷比的丰度值变化的影响程度，进而确定原始质谱图中各个质荷比的实际丰度值受到的干扰程度；利用干扰程度，对实际丰度值与理论丰度值之间的差异进行修改，获得了准确性更高的异常程度，进而对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图。相比现有直接利用实际丰度值与理论丰度值之间差异确定的异常程度，本实施例顾虑到了理论丰度值与实际丰度值的差异中存在的其他不可预测因素的影响，即量化各个质荷比的实际丰度值受到的干扰程度，有效提高了质谱数据清洗的精准度。
实施例2
如图2所示，基于与上述实施例1相同的构思，本实施例还提出了一种杂质检测方法，包括以下实现步骤：
S1，采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图。
S2，根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度。
S3，根据影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度。
S4，根据干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图。
S5，结合清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。
其中，步骤S1-S4在上述一种质谱数据处理方法实施例中已给出了详细说明，不再赘述，以下对于步骤S5进行详细描述。
S5，结合清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。
本实施例中，根据先验知识可以获得待检测材料的不同成分在原始质谱图中的各个质荷比，基于清洗后的质谱图中各个峰值点的丰度值和预设杂质评估标准，对待检测材料样品内杂质含量进行分析和检测。
其中，关于预设杂质评估标准，不同类型的材料进行杂质评估的标准不同，本实施例不做具体限定；利用液相色谱-质谱联用的方法检测待检测材料样品内杂质含量的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
至此，本实施例实现了对待检测材料样品内杂质含量的准确检测。
本实施例提供的一种杂质检测方法，通过数据清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。相比现有直接根据原始质谱图和预设杂质评估标准，实现杂质检测，本实施例在一定程度上克服了基质效应、共聚物以及其他不可预测因素的影响，有助于避免将噪声、异常数据与正常数据混淆，进而将杂质误判为成品成分的情况，有效提高了材料杂质检测的准确性。
实施例3
如图5所示，基于与上述实施例2相同的构思，本实施例还提出了一种杂质检测设备，所述设备包括：数据采集模块、数据分析模块、数据清洗模块和杂质检测模块，包括：
数据采集模块：用于采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图。
数据分析模块：用于根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度；根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度。
数据清洗模块：用于根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图。
杂质检测模块：用于结合所述清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测。
应理解，本实施例提供的装置用于执行上述一种杂质检测方法，因此可以达到与上述实现方法相同的效果。
本实施例还提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上述的杂质检测方法的步骤。
本实施例还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上述的杂质检测方法的步骤。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种杂质检测方法，其特征在于，包括：
采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图；
根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度；
根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度；
根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图；
结合所述清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测；
采集相同质量的待检测材料样品在不同制备环境中的对比质谱图，包括：
采集与原始质谱图的待检测材料样品相同质量的样品，通过控制单一制备条件在其对应的误差范围内变化，实现制备环境的改变，进而获得待检测材料样品在不同制备环境中的对比质谱图。
2.根据权利要求1所述的一种杂质检测方法，其特征在于，所述制备环境包含若干个制备条件，所述对比质谱图通过调整原始制备环境中任意一个制备条件获得，所述制备条件具备对应的误差范围和误差计量单位。
3.根据权利要求2所述的一种杂质检测方法，其特征在于，所述根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度，包括：
对于调整任意一个制备条件的各对比质谱图，获取每个质荷比对应的实际丰度值集合，进而计算所述实际丰度值集合的方差，将所述方差作为该制备条件对每个质荷比的丰度值变化的第一影响因子；
计算该制备条件的误差范围中最大值和最小值之间的差值，将所述差值与误差计量单位的乘积进行负相关处理，获得该制备条件对每个质荷比的丰度值变化的第二影响因子；
根据所述第一影响因子和所述第二影响因子，确定该制备条件对每个质荷比的丰度值变化的影响程度；
其中，对于每个制备条件的误差范围和误差计量单位，按照标准计量表达方式表示；所述第一影响因子、所述第二影响因子与所述影响程度为正相关关系。
4.根据权利要求3所述的一种杂质检测方法，其特征在于，所述根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度，包括：
；式中，表示原始质谱图中第k个质荷比的实际丰度值受到的干扰程度，m表示制备条件的序号，M表示制备条件的数目，表示第m个制备条件对第k个质荷比的丰度值变化的影响程度，n表示调整第m个制备条件对应的对比质谱图的序号，N表示调整第m个制备条件对应的对比质谱图的数目，表示调整第m个制备条件对应的第n个对比质谱图中第k个质荷比的实际丰度值，表示原始质谱图中第k个质荷比的实际丰度值，表示对求绝对值。
5.根据权利要求1所述的一种杂质检测方法，其特征在于，所述根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图，包括：
根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，确定原始质谱图中各个峰值点的异常程度；
根据所述各个峰值点的异常程度筛选出待清洗峰值点，并确定待清洗峰值点的清洗方向和清洗幅度；
利用待清洗峰值点的清洗方向和清洗幅度，对待清洗峰值点的实际丰度值进行数据清洗，获得清洗后的质谱图。
6.根据权利要求5所述的一种杂质检测方法，其特征在于，所述根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，确定原始质谱图中各个峰值点的异常程度，包括：
利用原始质谱图中各个峰值点对应的质荷比的实际丰度值受到的干扰程度，对各个峰值点的实际丰度值与理论丰度值之间的差值进行加权，获得各个峰值点的初始异常程度；
对各个峰值点的初始异常程度的绝对值进行归一化处理，将归一化后的数值作为对应的峰值点的异常程度。
7.根据权利要求6所述的一种杂质检测方法，其特征在于，所述根据所述各个峰值点的异常程度筛选出待清洗峰值点，并确定待清洗峰值点的清洗方向和清洗幅度，包括：
设置异常程度阈值，将异常程度大于异常程度阈值的峰值点作为待清洗峰值点；
根据待清洗峰值点的初始异常程度的正负情况确定待清洗峰值点的清洗方向；
通过待清洗峰值点的异常程度确定待清洗峰值点的清洗幅度。
8.一种杂质检测设备，其特征在于，所述设备包括：数据采集模块、数据分析模块、数据清洗模块和杂质检测模块；
数据采集模块：用于采集待检测材料样品的原始质谱图，进而采集相同质量的待检测材料样品在不同制备环境中的对比质谱图；
数据分析模块：用于根据每个对比质谱图中各个质荷比的实际丰度值、制备环境中每个制备条件的误差范围和误差计量单位，确定每个制备条件对每个质荷比的丰度值变化的影响程度；根据所述影响程度、原始质谱图和每个对比质谱图中各个质荷比的实际丰度值，获得原始质谱图中各个质荷比的实际丰度值受到的干扰程度；
数据清洗模块：用于根据所述干扰程度、原始质谱图中各个峰值点的实际丰度值与理论丰度值，对各个峰值点的实际丰度值进行数据清洗处理，获得清洗后的质谱图；
杂质检测模块：用于结合所述清洗后的质谱图和预设杂质评估标准，对待检测材料样品内杂质含量进行检测；
数据采集模块：还用于采集与原始质谱图的待检测材料样品相同质量的样品，通过控制单一制备条件在其对应的误差范围内变化，实现制备环境的改变，进而获得待检测材料样品在不同制备环境中的对比质谱图。
9.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的杂质检测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的杂质检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410741734.9A CN118311188B (zh) | 2024-06-11 | 2024-06-11 | 杂质检测方法及设备、电子设备、可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410741734.9A CN118311188B (zh) | 2024-06-11 | 2024-06-11 | 杂质检测方法及设备、电子设备、可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118311188A CN118311188A (zh) | 2024-07-09 |
| CN118311188B true CN118311188B (zh) | 2024-08-16 |
Family
ID=91731664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410741734.9A Active CN118311188B (zh) | 2024-06-11 | 2024-06-11 | 杂质检测方法及设备、电子设备、可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118311188B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109507348A (zh) * | 2018-10-24 | 2019-03-22 | 科迈恩(北京)科技有限公司 | 聚合物型药用辅料组成成分的计算机辅助分析系统及方法 |
| CN111721829A (zh) * | 2020-05-29 | 2020-09-29 | 清华大学 | 基于便携式质谱仪的检测方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004205431A (ja) * | 2002-12-26 | 2004-07-22 | Sumitomo Chem Co Ltd | 質量分析用標準物質 |
| GB2412487A (en) * | 2004-03-26 | 2005-09-28 | Thermo Finnigan Llc | A method of improving a mass spectrum |
| JP5055157B2 (ja) * | 2008-02-08 | 2012-10-24 | 株式会社日立ハイテクノロジーズ | 質量分析装置 |
| CN110073208B (zh) * | 2016-12-15 | 2022-02-11 | 株式会社岛津制作所 | 质谱分析装置 |
| TW201944068A (zh) * | 2018-04-05 | 2019-11-16 | 日商島津製作所股份有限公司 | 質量分析方法、質量分析裝置、程式以及質量分析用套組 |
| SG11202012118YA (en) * | 2018-06-08 | 2021-01-28 | Amgen Inc | Systems and methods for reducing lab- to-lab and/or instrument-to-instrument varibility of multi-attribute method (mam) by run-time signal intensity calibrations |
| US20230104536A1 (en) * | 2021-09-30 | 2023-04-06 | Venn Biosciences Corporation | Systems and methods for glycopeptide concentration determination, normalized abundance determination, and lc/ms run sample preparation |
| CN117092304B (zh) * | 2023-08-25 | 2024-02-06 | 南通森萱药业有限公司 | 一种医药中间体生产工序全流程监测分析管理系统 |
| CN117556245B (zh) * | 2024-01-04 | 2024-03-22 | 信联电子材料科技股份有限公司 | 一种四甲基氢氧化铵生产过滤杂质检测方法 |
-
2024
- 2024-06-11 CN CN202410741734.9A patent/CN118311188B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109507348A (zh) * | 2018-10-24 | 2019-03-22 | 科迈恩(北京)科技有限公司 | 聚合物型药用辅料组成成分的计算机辅助分析系统及方法 |
| CN111721829A (zh) * | 2020-05-29 | 2020-09-29 | 清华大学 | 基于便携式质谱仪的检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118311188A (zh) | 2024-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11747343B2 (en) | Method for evaluating data from mass spectrometry, mass spectrometry method, and MALDI-TOF mass spectrometer | |
| CN105466927B (zh) | 一种比浊法异常反应曲线的识别、修正及报警方法 | |
| EP2625517A1 (en) | Learned automated spectral peak detection and quantification | |
| JP6813033B2 (ja) | 分析データ解析方法および分析データ解析装置 | |
| CN114280212B (zh) | 一种色谱检测修正方法、存储介质及电子设备 | |
| CN111366573B (zh) | 基于libs光谱成分分析结果的评价方法 | |
| US20070023642A1 (en) | Apparatus and method for processing of mass spectrometry data | |
| CN116106396B (zh) | 质谱数据的全谱拟合动态校正方法、装置、介质及质谱仪 | |
| CN118707018B (zh) | 一种用于放射性药物合成的杂质检测方法 | |
| CN105651892B (zh) | 一种基于gc-msqqq的卷烟指纹图谱分析方法 | |
| CN111198165A (zh) | 一种基于光谱数据标准化进行水质参数的测定方法 | |
| WO2012164375A1 (en) | Use of variable xic widths of tof-msms data for the determination of background interference in srm assays | |
| US6153438A (en) | Retention factor database | |
| CN118047351B (zh) | 一种高纯氢气生产制备系统及方法 | |
| CN118311188B (zh) | 杂质检测方法及设备、电子设备、可读存储介质 | |
| CN117373556A (zh) | 一种基于多维数据的溯源仪器及系统 | |
| CN112255344A (zh) | 一种超高效液相色谱串联质谱鉴别不同年份白酒的方法 | |
| CN118329802B (zh) | 环境监测设备校准方法和系统 | |
| GB2584934A (en) | Evaluation of complex mass spectrometry data from biological samples | |
| Li et al. | Membrane introduction mass spectrometry combined with an orthogonal partial-least squares calibration model for mixture analysis | |
| CN113762759A (zh) | 一种适用于食品检测的多指标系统评价方法 | |
| US20070045529A1 (en) | Mass spectrometry data analysis engine | |
| CN113406258B (zh) | 一种在线监测gcms设备的智能标定方法 | |
| CN114705766A (zh) | 基于is联合svr的大规模组学数据校正方法及系统 | |
| Amann et al. | Model based determination of detection limits for proton transfer reaction mass spectrometer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |