多維校正用于復(fù)雜體系定量分析和小分子與DNA相互作用機(jī)理研究.pdf

1、本文作者對(duì)化學(xué)計(jì)量學(xué)中多維校正用于定量分析的幾個(gè)重要問題進(jìn)行了方法探索和應(yīng)用研究。同時(shí),我們也利用了二階校正方法對(duì)小分子與DNA的相互作用機(jī)理進(jìn)行了探討。本論文內(nèi)容主要涉及以下幾個(gè)方面:
　　 1.提出了一種新的三線性分解算法-穩(wěn)健信息自提取不對(duì)稱三線性分解算法(RISEATD)。該方法把整體最小二乘理論融入到三線性模型的分解過程中,能快速有效地提取有用信息。同時(shí)該算法結(jié)合了平行因子分析(PARAFAC-ALS)和交替三線性分解

2、方法(ATLD)的迭代特點(diǎn),用一種不對(duì)稱的方式分辨求解三維數(shù)據(jù)陣中三個(gè)潛在的載荷矩陣。該算法的顯著特點(diǎn)就是當(dāng)體系噪聲大或共線性強(qiáng)時(shí),分辨得到的感興趣分析物的圖譜都是十分穩(wěn)定的,并且具有較快的收斂速度。本文還利用模擬的熒光光譜數(shù)據(jù)陣和真實(shí)的激發(fā)-發(fā)射熒光光譜數(shù)據(jù)對(duì)方法進(jìn)行了測(cè)試,并與傳統(tǒng)的PARAFAC,PARAFAC-ALS和ATLD算法計(jì)算結(jié)果進(jìn)行了比較。結(jié)果表明,RISEATD方法在三維數(shù)據(jù)分解中具有優(yōu)越的性能。
　　 2.

3、利用化學(xué)計(jì)量學(xué)中具有“二階優(yōu)勢(shì)”的二階校正方法,與三維激發(fā)-發(fā)射熒光光譜相結(jié)合,以“數(shù)學(xué)分離”代替“化學(xué)分離”,提出了采用熒光分析直接測(cè)定血漿和藥片樣中的鹽酸特拉唑嗪含量的新方法。運(yùn)用PARAFAC,交替懲罰三線性分解算法(APTLD)和RISEATD對(duì)三維熒光數(shù)據(jù)進(jìn)行解析,最終實(shí)現(xiàn)了血樣中鹽酸特拉唑嗪的定量測(cè)定。該方法快速簡(jiǎn)便,無需復(fù)雜的樣品預(yù)處理,花費(fèi)成本低廉,定量結(jié)果滿意。同時(shí),PARAFAC,APTLD和RISEATD與標(biāo)準(zhǔn)加入

4、法相結(jié)合,實(shí)現(xiàn)了對(duì)實(shí)際樣品藥片中鹽酸特拉唑嗪的定量測(cè)定。所得結(jié)果與標(biāo)準(zhǔn)的色譜方法比較,結(jié)果令人滿意。
　　 3.本章提出了一種激發(fā)發(fā)射矩陣熒光與二階校正方法結(jié)合,在血漿和尿液中檢測(cè)右美沙芬和奎尼丁的方法。由于這兩種藥物的熒光與血漿和尿液基質(zhì)的光譜相互疊加嚴(yán)重重疊,因而未經(jīng)分離直接用光譜的方法來檢測(cè)血樣和尿樣中的右美沙芬和奎尼丁幾乎是不可能的。本章利用了三種二階校正方法,PARAFAC、自加權(quán)交替三線性分解算法(SWATLD)和A

5、PTLD的二階優(yōu)勢(shì),利用數(shù)學(xué)分離來代替化學(xué)分離,實(shí)現(xiàn)嚴(yán)重干擾下對(duì)右美沙芬和奎尼丁定量測(cè)定。
　　 4.隨著現(xiàn)代高階分析儀器和數(shù)據(jù)采集技術(shù)的的發(fā)展,特別是二階校正方法在處理三維數(shù)據(jù)陣時(shí)的應(yīng)用,研究藥物與DNA的相互作用成為可能。即使該混合物中存在著很復(fù)雜的化學(xué)平衡,也可以很方便的預(yù)測(cè)感興趣的組分和DNA的相互作用機(jī)制。對(duì)于二階校正方法最值得注意的優(yōu)勢(shì)在于,對(duì)三維陣的分解通常是唯一的,可以直接分辨出復(fù)雜體系中感興趣組分的相對(duì)濃度和光

6、譜圖。本章采用紫外和熒光分析結(jié)合二階校正方法對(duì)吡柔比星與DNA的相互作用進(jìn)行了研究。熒光測(cè)數(shù)據(jù)采用PARAFAC算法和交替歸一加權(quán)殘差(ANWE)算法進(jìn)行解析,可分辨得到動(dòng)力學(xué)平衡體系中各組分的激發(fā)、發(fā)射光譜以及相對(duì)濃度,為吡柔比星與DNA的相互作用機(jī)制的研究提供了更為直觀的有用信息。這對(duì)抗癌藥物的抗癌機(jī)理、以及新型藥物的設(shè)計(jì)合成方面都有很大的幫助。
　　 5.隨著農(nóng)藥大面積、持續(xù)的使用,農(nóng)作物、蔬菜、水果甚至動(dòng)物體內(nèi)都可能有農(nóng)

7、藥殘留,人們的生命和健康造成威脅。所以研究農(nóng)藥對(duì)DNA的潛在損傷作用對(duì)于保證人體免受農(nóng)藥的危害具有一定的實(shí)際意義。本文利用三維熒光結(jié)合二階校正方法PARAFAC和APTLD對(duì)西維因和DNA的相互作用進(jìn)行了研究,為西維因和DNA的相互作用機(jī)制的研究提供了很有用的信息。
　　 6.最小支持向量機(jī)(LS-SVM)以其優(yōu)越的性能在多元校正建模中得到越來越廣泛的應(yīng)用。然而,它的性能在很大的程度上還依賴于模型誤差的同質(zhì)性和數(shù)據(jù)集分布的均一性

8、。該工作探討了多元校正建模中的訓(xùn)練集樣品的代表性和最優(yōu)化樣品加權(quán)問題。由于多元校正的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,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。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),我們把全局優(yōu)化樣品加權(quán)的思想和最小支持向量機(jī)相結(jié)合,提出了最優(yōu)化樣品加權(quán)最小支持向量機(jī)這一新算法。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)

9、雜性和預(yù)測(cè)能力,最優(yōu)樣品權(quán)重通過粒子群優(yōu)化算法搜索獲得。將該算法應(yīng)用于真實(shí)的標(biāo)準(zhǔn)數(shù)據(jù)集的結(jié)果表明,在原始校正樣品的代表性較差時(shí),最優(yōu)化樣品加權(quán)最小支持向量機(jī)算法確實(shí)能夠很好地改善模型的預(yù)測(cè)性能。
　　 7.在對(duì)光譜數(shù)據(jù)的多元校正建模中,傳統(tǒng)的波長(zhǎng)變量選擇方法對(duì)某些波長(zhǎng)的舍棄將導(dǎo)致有用信息的丟失。為了獲得更加靈活的變量選擇和建模,以粒子群優(yōu)化算法為基礎(chǔ),提出了一種變量加權(quán)版本的最小支持向量機(jī)用于多元校正中光譜變量的選擇。變量加權(quán)的

10、策略旨在不人為刪除和保留變量,允許變量的非負(fù)加權(quán)。采用粒子群優(yōu)化算法實(shí)現(xiàn)非負(fù)的變量加權(quán)實(shí)質(zhì)上可視為對(duì)波長(zhǎng)變量的某種最優(yōu)化重新刻度。若使用粒子群優(yōu)化算法同時(shí)優(yōu)化模型其它參數(shù)則使得變量加權(quán)的支持向量機(jī)變成一個(gè)無需人為調(diào)節(jié)參數(shù)的全自動(dòng)建模方法,因此將比傳統(tǒng)的變量選擇及建模方法有更多的靈活性,且更智能化,運(yùn)算速度快。將該算法應(yīng)用于真實(shí)的標(biāo)準(zhǔn)數(shù)據(jù)集的結(jié)果表明變量加權(quán)最小支持向量機(jī)方法確實(shí)能在多元校正模型中實(shí)現(xiàn)對(duì)變量的最優(yōu)化刻度,保留更多的結(jié)構(gòu)信息