（分析化学专业论文）多维校正用于复杂体系定量分析和小分子与dna相互作用机理研究.pdf

博士学位论文 摘要 本文作者对化学计量学中多维校正用于定量分析的几个重要问题进行了方法 探索和应用研究 同时 我们也利用了二阶校正方法对小分子与d n a 的相互作用 机理进行了探讨 本论文内容主要涉及以下几个方面 1 提出了一种新的三线性分解算法 稳健信息自提取不对称三线性分解算法 r i s e a t d 该方法把整体最小二乘理论融入到三线性模型的分解过程中 能快 速有效地提取有用信息 同时该算法结合了平行因子分析 p a r a f a c a l s 和 交替三线性分解方法 a t l d 的迭代特点 用一种不对称的方式分辨求解三维数据 阵中三个潜在的载荷矩阵 该算法的显著特点就是当体系噪声大或共线性强时 分辨得到的感兴趣分析物的图谱都是十分稳定的 并且具有较快的收敛速度 本文 还利用模拟的荧光光谱数据阵和真实的激发 发射荧光光谱数据对方法进行了测 试 并与传统的p a r a f a c p a r a f a c a l s 和a t l d 算法计算结果进行了比较 结果表明 r i s e a t d 方法在三维数据分解中具有优越的性能 2 利用化学计量学中具有 二阶优势 的二阶校正方法 与三维激发 发射荧光 光谱相结合 以 数学分离 代替 化学分离 提出了采用荧光分析直接测定血浆和 药片样中的盐酸特拉唑嗪含量的新方法 运用p a r a f a c 交替惩罚三线性分解算 法 a p t l d 和r i s e a t d 对三维荧光数据进行解析 最终实现了血样中盐酸特拉 唑嗪的定量测定 该方法快速简便 无需复杂的样品预处理 花费成本低廉 定 量结果满意 同时 p a r a f a c a p t l d 和r i s e a t d 与标准加入法相结合 实现 了对实际样品药片中盐酸特拉唑嗪的定量测定 所得结果与标准的色谱方法比较 结果令人满意 3 本章提出了一种激发发射矩阵荧光与二阶校正方法结合 在血浆和尿液中 检测右美沙芬和奎尼丁的方法 由于这两种药物的荧光与血浆和尿液基质的光谱 相互叠加严重重叠 因而未经分离直接用光谱的方法来检测血样和尿样中的右美 沙芬和奎尼丁几乎是不可能的 本章利用了三种二阶校正方法 p a r a f a c 自加 权交替三线性分解算法 s w a t l d 和a p t l d 的二阶优势 利用数学分离来代替 化学分离 实现严重干扰下对右美沙芬和奎尼丁定量测定 4 随着现代高阶分析仪器和数据采集技术的的发展 特别是二阶校正方法在 处理三维数据阵时的应用 研究药物与d n a 的相互作用成为可能 即使该混合物 中存在着很复杂的化学平衡 也可以很方便的预测感兴趣的组分和d n a 的相互作 用机制 对于二阶校正方法最值得注意的优势在于 对三维阵的分解通常是唯一 的 可以直接分辨出复杂体系中感兴趣组分的相对浓度和光谱图 本章采用紫外 i i 多维数据定量解析和小分子与d n a 的作用机理研究 和荧光分析结合二阶校正方法对吡柔比星与d n a 的相互作用进行了研究 荧光 测数据采用p a r a f a c 算法和交替归一加权残差 a n w e 算法进行解析 可分 辨得到动力学平衡体系中各组分的激发 发射光谱以及相对浓度 为吡柔比星与 d n a 的相互作用机制的研究提供了更为直观的有用信息 这对抗癌药物的抗癌机 理 以及新型药物的设计合成方面都有很大的帮助 5 随着农药大面积 持续的使用 农作物 蔬菜 水果甚至动物体内都可能 有农药残留 人们的生命和健康造成威胁 所以研究农药对d n a 的潜在损伤作用 对于保证人体免受农药的危害具有一定的实际意义 本文利用三维荧光结合二阶 校正方法p a r a f a c 和a p t l d 对西维因和d n a 的相互作用进行了研究 为西维因 和d n a 的相互作用机制的研究提供了很有用的信息 6 最小支持向量机 l s s v m 以其优越的性能在多元校正建模中得到越来 越广泛的应用 然而 它的性能在很大的程度上还依赖于模型误差的同质性和数 据集分布的均一性 该工作探讨了多元校正建模中的训练集样品的代表性和最优 化样品加权问题 由于多元校正的样品光谱空间的多维性和复杂性以及样品选取 过程中的不确定性 准确估计训练集样品在整个样品空间的代表性尚存在一定困 难 为解决以上问题 同时考虑到样品的代表性很难通过考察单个样品进行估计 我们把全局优化样品加权的思想和最小支持向量机相结合 提出了最优化样品加 权最小支持向量机这一新算法 该算法通过对原来的训练集样品进行非负加权 在校正建模过程中同时考虑了模型的复杂性和预测能力 最优样品权重通过粒子 群优化算法搜索获得 将该算法应用于真实的标准数据集的结果表明 在原始校 正样品的代表性较差时 最优化样品加权最小支持向量机算法确实能够很好地改 善模型的预测性能 7 在对光谱数据的多元校正建模中 传统的波长变量选择方法对某些波长的 舍弃将导致有用信息的丢失 为了获得更加灵活的变量选择和建模 以粒子群优 化算法为基础 提出了一种变量加权版本的最小支持向量机用于多元校正中光谱 变量的选择 变量加权的策略旨在不人为删除和保留变量 允许变量的非负加权 采用粒子群优化算法实现非负的变量加权实质上可视为对波长变量的某种最优化 重新刻度 若使用粒子群优化算法同时优化模型其它参数则使得变量加权的支持 向量机变成一个无需人为调节参数的全自动建模方法 因此将比传统的变量选择 及建模方法有更多的灵活性 且更智能化 运算速度快 将该算法应用于真实的 标准数据集的结果表明变量加权最小支持向量机方法确实能在多元校正模型中实 现对变量的最优化刻度 保留更多的结构信息 从而帮助得到训练和预测能力更 优且智能化的回归模型 关键词 定量分析 二阶校正 d n a 相互作用 最小支持向量机 样品加权 变量选择 i i i 博上学位论文 a b s t r a c t t h er e s e a r c hw o r kf o c u s e so nm u l i t y w a yc a l i b r a t i o nf o rt h eq u a n t i t a t i v ea n a l y s i s i nc o m p l e xc h e m i c a ls y s t e m sa n ds t u d i e so nt h em e c h 锄i s mf o rt h ei n t e r a c t i o n so f s m a l lm o l e c u l e sw i t hd n a t h er o b u s ti n f o m a t i o n s e l f e x t r a c t i n ga s y m m e t r i c t r i l i n e a r d e c o m p o s i t i o n a l g o r i t h m r i s e a t d h a sb e e nd e v e l o p e d b a s e do nt h et o t a ll e a s ts q u a r e sp r i n c i p l e a n da na s y m m e t r i cw a yw i t hp a n i a lb i l i n e a r i z a t i o nt oc a l c u l a t et h et h r e eu n d e r l y i n g p r o f i l em a t r i c e si n t h er e s o l u t i o no ft h et r i l i n e 盯m o d e l i tc a no b t a i n u s e f u l i n f o 珊a t i o nq u i c k l y t h en e w p r o p o s e da l g o r i t h mc o m b i n e st h ew a y o fd e c o m p o s i t i o n f o rp a r a f a c a l t e m a t i n gl e a s ts q u a r e s p a r a f a c a l s 趾da l t e m a t i n gt r i l i n e a r d e c o m p o s i t i o n a t l d t h er e s u l t so b t a i n e d b y s i m u i a t e dd a t aa n dr e a l e x c i t a t i o i 卜e m i s s i o ns p e c t r a ld a t as e t sh a v es h o w nt h a tr i s e t l dm e t h o dr e t a i n st h e s e c o n d o r d e ra d v a n t a g eo fq u 柚t i f i c a t i o nf o ra n a l y t e s o fi n t e r e s te v e ni nt h ep r e s e n c e o fp o t e n t i a l l yu m i l o w ni n t e r f e r e m se v e nw h e nt h en o i s ea i l dc o l i n e a r i t ya r eh i g h c o m p a r i n gw i t hp a r a f a c p a r a f a c a l s 觚da t l da l g o r i t h m s t h ed e v e l o p e d m e t h o dc a ns u p p l ya c c e p t 2 l b l er e s u l t s 1 h ec o l l e c t i o no fe e mf l u o r e s c e n c es p e c t r ao fam i x t u r ea n dc o m b i n a t i o nw i t h s e c o n d o r d e rc a l i b r a t i o nm e t h o d sc a nq u a n t i f yt h ea n a l y t e se v e ni nt h ep r e s e n c eo f u n c a l i b r a t e di n t e r f e r e n c e st h a th a sb e e nc a l l e dt h e s e c o n d o r d e ra d v a n t a g e w i t ht h e p r o p e r t yo f m a t h e m a t i c a ls e p a r a t i o n t o d i s p l a c e c h e m i c a l s e p a r a t i o n t h r e e s e c o n d o r d e rc a l i b r a t i o nm e t h o d sb a s e do np a f l a f a c t h ea i t e m a t i n gp e n a l t yt r i l i n e a r d e c o 珈 p o s i t i o n a p t l d a l g o r i t h m s a n dr i s e a t dr e s p e c t i v e l y h a v eb e e nu t i l i z e d f o r t h ed i r e c td e t e m i n a t i o no ft e r a z o s i nh y d r o c h l o r i d e t h d i nh u m a np l a s m a s a m p l e s c o u p l e dw i t ht h ee x c i t a t i o n e m i s s i o nm a t r i x f l u o r e s c e n c es p e c t r o s c o p y m e a n w h i l e t h et h r e ea l g o r i t l l i i l sc o m b i n gw i t ht h es t a l l d a r da d d i t i o np r o c e d u r e sh a v e b e e na p p l i e df 0 rt h ed e t e r m i n a t i o no ft e r a z o s i nh y d r o c h l o r i d ei nt a b l e t sa n dt h er e s u l t s w e r ev a l i d a t e db yt h eh 追h p e r f o r m a n c el i q u i d c h r o m a t o g r a p h yw i t hn u o r e s c e n c e d e t e c t i o n t h r e es e c o n d o r d e rc a l i b r a t i o nm e t h o d sw e r ep r e s e n t e dt oa l l o wa c c u r a t ea n d r e l i a b l eq u a n t i t a t i v ea n a l y s i so fd e x t r o m e t h o 印h a n 锄dq u i n i d i n ei nh u m a np l a s m aa n d u r i n e s a m p l e s a t b i o l o g i c a ln u i d sb ye x c i t a t i o i 卜e m i s s i o nm a t r i c e sn u o r e s c e n c e p a r a f a c s e l f w e i g h t e da l t e m a t i n gt r i l i n e a rd e c o m p o s i t i o n s w a t l d a n da p t l d 多维数据定量解析和小分子与d n a 的作用机理研究 a l g o r i t h m sw e r ea p p l i e da n dt h ep e r f o r m a n c e so ft h et h r e em e t h o d sw e r ec o m p a r e d i t h a sb e e nf o u n dt h a ta l lt h em e t h o d o l o g i e sc o u l do b t a i ng o o dr e s u l t s w i t ht h ed e v e l o p m e n to fh i g h o r d e ra n a l y t i c a li n s t r u m e n t sa n dc b e m o m e t r i c a l g o r i t l l i i l s i tb e c o m e se a s i e rt oo b t a i na i l dr e s 0 1 v em u l t i d i m e n s i o n a ld a t af r o m c o m p l e xs y s t e m s t h ec o m b i n a t i o no fe x c i t a t i o n e m i s s i o nm a t r i xf l u o r e s c e n c ea n d s e c o n d o r d e rc a l i b r a t i o nm e t h o d sc o u l dp r o v i d eap o w e r f u lt o o lf i o rs t u d i e so fp a r a l l e l c o m p e t i t i v eb i n d i n gr e a c t i o n so fm a n yc h e m i c a lc o m p o n e n t sw i t hd n ai nt h ep r e s e n c e o fi n t e r f e r e n t s t h er e l a t i v e e q u i l i b r i u mc o n c e n t r a t i o n so ft h ec o m p o n e n tc 锄b e d i r e c t l yo b t a i n e d i nt h i sp a p e r u v v i ss p e c t r o s c o p ya n dn u o r e s c e n c ew e r ec o m b i n e d t os t u d yt h eb i n d i n go fd n aw i t ht h ea n t h a c y c l i n ea n t i b i o t i cd r u gp i r a r u b i c i n t h p e t h i d i u mb r o m i d e e b 硒t h ef l u o r e s c e n c ep r o b ew a su s e dt os t u d yt h ec o m p e t i t i v e b i n d i n gi n t e r a c t i o n so ft h pw i t hd n ab ye x c i t a t i o n e m i s s i o nn u o r e s c e n c em a t r i c e s c o u p l e dw i t hp a r a f a ca 1 1 dt h ea l t e m a t i n gn o m a l i z a t i o n w e i g h t e de r r o ra l g o r i t h m a n w e w i t ht h es e c o n d o r d e ra d v a n t a g e t h er e l a t i v ee q u i l i b r i u mc o n c e n t r a t i o n so f e b d n a e ba n dt h pi nt h ee q u i l i b r i u ms y s t e mc a nb ed i r e c t l yo b t a i n e d w h i c h m a k e si tp o s s i b l et od e t e 加i n et h er e a c t i o np a t t e mo fd i f f e r e n ti n t e r a c t i n gp a i r si na m i x t u r em e d i u m t h ep e s t i c i d ei su s e di n d i s c r i m i n a t e l y i tm a yr e s i d u ei nn u i t s v e g e t a b l e sa n d g r o u n da i l ds u r f a c ew a t e r st h a tl e a dt op o s eap o t e n t i a lh a z a r df o rc o n s u m e r s s ot h e t o x i c i t yh 懿 r a i s e d t h ep u b l i cc o n c e ma b o u tt h ee c o s y s t e ma 1 1 dh u m a nh e a l t h t h e r e f 0 r e t h ei n v e s t i g a t i o no fg e n o t o x i c i t ya n dg e n e t i cd a m a g ev i at h ei n t e r a c t i o no f d n aw i t hi n s e c t i c i d ei sv e r yi m p o r t a n t c o m p e t i t i v eb i n d i n gi n t e r a c t i o n so fc a r b a r y l a 1 1 dt h ef l u o r e s c e n c ep r o b ee bw i t hd n ah a v eb e e ns t u d i e db ye x c i t a t i o n e m i s s i o n f l u o r e s c e n c e s p e c t r o s c o p y t oo b t a i nam r e e d i m e n s i o ne x c i t a t i o n e m i s s i o n f l u o r e s c e n c ed a t aa r r a y t h es e c o n d o r d e rc a l i b r a t i o nm e t h o d sb a s e do np a r a f a c a u l da p t l da l g o r i t l l l n sw e r eu s e dt or e s o l v et h ed a t aa 盯a yo b t a i n e d l e a s t s q u a r e s s u p p o r tv e c t o rm a c h i n e l s s v m h a sb e e ni n t r o d u c e di n t o m u l t i v a r i a t ec a l i b r a t i o nb ym a n yi n v e s t i g a t o r sf o ri t sa t t r a c t i v ef e a t u r e sa n dp r o m i s i n g e m p i r i c a ip e r f o m a n c e h o v e r t h ep e r f o r m a n c eo fm o d e l si ss t r o n g l yd e p e n d e n t u p o nt h eh o m o g e n e i t yo ft h em o d e le r r o r sa n dt h eu n i f b 珊i t yo ft h ed a t as a n l p l i n g t h e r e p r e s e n t a t i o no ft r a i n i n gs a m p i e sf o rm u i t i v a r i a t ec a l i b r a t i o nh a sb e e nd i s c u s s e da n d t h ec o n c e p to fw e i g h t e ds a m p l i n gh a sb e e ni n t r o d u c e dt om u l t i v a r i a t ec a l i b r a t i o n d u e t ot h eh i g h d i m e n s i o n a l i t ya n dc o n l p l e x i t yo fs p e c t r a ld a t as p a c ea n dt h eu n c e r t a i n t y i n v o l v e di ns 锄p l i n gp r o c e s s t h er e p r e s e n t a t i o no ft r a i n i n g s a n l p l e si nt h ew h o l e s a m p l es p a c ei sd i 伍c u l tt oe v a l u a t ea n ds e l e c tr e p r e s e n t a t i v et r a i n i n gs a m p l e sf o r v 博l 学位论文 m u l t i v a r i a t ec a l i b r a t i o nd e p e n d sl a r g e l y o ne x p e r i e n t i a lm e t h o d s i ft h et r a i n i n g s a m p l e sf a i lt or e p r e s e n tt h es 锄p l es p a c e s o m e t i m e st h ep r e d i c t i o n so fn e ws a m p l e s c a nb ed e g r a d e d i no r d e rt os o l v et h i sp r o b l e m an e wa l g o r i t h mf o rm u l t i v 2 l r i a t e c a l i b r a t i o ni sd e v e l o p e db yc o m b i n i n go p t i m i z e ds a m p l i n ga n dl e a s ts q u a r e s s u p p o i r t v e c t o rm a c h i n e w h e r et h eo r i g i n a lt r a i n i n gs 锄p l e sa r en o n n e g a t i v e l yw e i g h t e da l l d t h ec o m p l e x i t ya n dt h e2 l b i l i t yo fp r e d i c t i o no ft h em o d e la r ec o n s i d e r e ds i m u l t a i e o u s l y 1 w or e a ld a t as e t sa r ei n v e s t i g a t e da n dt h er e s u l t sd e m o n s t r a t et h a ts a m p l e w e i g h t e d l e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n em o d e l sc a ni m p r o v et h ea b i l i t yo fp r e d i c t i o nf o ra m o d e i v h e nt h er e p r e s e n t a t i o no fo r i g i n a lc a l i b r a t i o ns a m p l ei sp o o r f o rm u l t i v a r i a t ec a l i b r a t i o n a l lo ft h ew a v e l e n g t hv a r i a b l e sm i g h tc a r r rm o r eo r l e s sm o l e c u l a ri n f o r m a t i o n i ts e e m sm o r ea d v i s a b l et oi n v e s t i g a t ea l lt h ep o s s i b l e v a r i a b l e sr a t h e rt h a nt r a d i t i o n a lv a r i a b l es e l e c t i o n b a s e do n p a n i c l e s w a m o p t i m i z a t i o na l g o r i t h m am o r en e x i b l ev a r i a b l es e l e c t i o na n dm o d e l i n gm e t h o d v a r i a b l e w e i g h t e dl e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n ei sp r o p o s e d t h es t r a t e g yo f v a r i a b l ew e i g h t i n ga l l o w sn o n n e g a t i v ew e i g h t so fv a r i a b l e sr a t h e rt h 姐r e m o v i n go r r e s e r r i n ga n yv a r i a b l e s u s i n gp a n i c l es w a r mo p t i m i z a t i o n p s o t os e e kt h e n o n n e g a t i v ew e i g h t so fv a r i a b l e s c a nb es e e n 勰跹o p t i m i z e dr e s c a l i n go ft h e v a r i a b l e si nc e r t a i ns e n s e i fe n l p l o y i n gp s ot os e a r c hf o rt h eo t h e rp a r a m e t e r si nt h e m o d e lo fl e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n ea tt h es a m et i m e t h ev 撕a b l e w e i g h t e d l e a s ts q u a r e s s u p p o nv e c t o rm a c h i n ew o u l db e c o m eat o t a l a u t o m a t i c a l l ym o d e l i n g a p p r o a c h 蛆dt h e r e f o r e b em o r ef l e x i b l ea n di n t e l l i g e n tt h 距t r a d i t i o n a lv a r i a b l e i n e t h o d s k e yw o r d s q u a n t i t a t i v ea n a l y s i s s e c o n d o r d e rc a l i b r a t i o n d n a i n t e r a c t i o n l e a s ts q u a r e s s u p p o r tv e c t o rm a c h i n e s a m p l ew e i g h t i n g v a r i a b l e s e l e c t i o n v i 博士学位论文 第1 章绪论 1 1 化学计量学的发展过程及研究对象 分析化学是化学的一个重要分支 是化学研究的基本方法和手段 就像是化 学家进行化学研究的眼睛 分析化学是人们获得物质化学组成和结构信息的科学 由于多学科的交叉渗透 现代分析化学已发展成为一个庞大的学科体系 建立起 了比较成熟的多种分析方法 这些方法在科学研究和国民经济及生产建设中起着 至关重要的作用 l 伴随着计算机科学的迅速发展 分析化学学科正经历着一场巨 大的变革 一是分析手段仪器化 从采用的手段来看 分析化学是在光 电 磁 热 声等物理现象基础上 进一步采用数学 计算机科学及生物学等新成就 对 物质进行全面 深入分析的科学 二是化学体系复杂化 量测信息多样化 从解 决的任务来看 现代分析化学已发展成为获取形形色色物质尽可能多和尽可能全 面的结构与成分信息 进一步认识自然 改造自然的科学 特别是计算机在现代 分析仪器中的应用 使得分析仪器智能化 而高维数据联用仪器的不断涌现 如 液相色谱与质谱联用仪 h p l c m s 激发发射荧光仪 e x e m 液相色谱与 二极管阵列联用仪 h p l c d a d 气相色谱与红外光谱联用仪 g c i r 气相色 谱与质谱联用仪 g c m s 毛细管电泳与质谱仪 c e m s 多维核磁共振仪 等 使得现代分析仪器具有了强大的快速产生数据的能力 甚至能够连续提供具 有高维时间和空间分辨率的多维分析数据 这些多维数据存储了丰富的物理化学 信息 提供了复杂化学样本的定性与定量信息 高维数据无论是从数量还是从复 杂程度来讲 传统的分析 处理和解析方法都是无能为力的 如何处理这些原始 分析数据 以最优方式从中提取解决实际生产科研课题所需要的有用信息就成为 一个重要的问题 化学家和分析化学家首次遇到类似于行为科学家和经济学家所 遇到的大量数据如何处理的课题 这一问题促使分析化学研究创造了一个新的生 长点 化学计量学就是在这一背景下诞生和发展起来的一门新兴学科1 2 4 l 化学计量学 c h e m o m e t r i c s 是建立在多学科交叉基础上的一门新兴学科 是化学学科的一个重要分支 它运用数学 统计学 现代计算机科学以及其他相 关学科的理论与方法 优化化学量测过程 并从化学量测数据中最大限度地获取 有用的化学信息 3 喝l 是化学特别是分析化学与数学 统计学及计算机科学之间的 接口 9 1 0 j 1 9 7 1 年 瑞典化学家s w b l d 教授初次提出了化学计量学这一学科新 名词 1 9 7 4 年 w b l d 教授和美国化学家b r k o w a l s k i 教授发起并共同创立了国 际化学计量学学会 不仅极大地促进了化学计量学的研究和应用推广 而且对分 多维数据定量解析和小分子与d n a 的作用机理研究 析化学甚至整个化学学科的发展都产生了深远影响 8 0 年代后期 化学计量学课 程开始进入化学教学大纲 逐渐成为大学化学专业学生的基础课程之一 两种化 学计量学专业学术期刊 j o u m a lo fc h e m o m e t r i c s 化学计量学杂志 和 c h e m o m e t r i c sa n di n t e l l i g e n tl a b o r a t o r ys y s t e m s 化学计量学与智能实验室系统 的问世也进一步推动了该学科的发展和成熟 化学计量学为化学量测提供了理论和方法 为各类波谱及化学量测数据的解 析和化学化工过程的机理研究和优化提供了新途径 其研究领域基本涵盖了化学 量测的全过程 包括 采样理论与方法 试验设计与化学化工过程优化控制 化 学信号处理 多元校正与分辨 化学模式识别 化学过程和化学量测过程的计算 机模拟 化学定量构效关系 化学数据库 人工智能与化学专家系统等 这正如 美国化学家k o w a l s k i 所宣称 1 1 的 分析化学已由单纯的提供数据 上升到从分 析化学数据中获取有用的信息和知识 成为生产和科研中实际问题的解决者 近几年来 计算机科学 统计学 应用数学以及信息科学的快速发展 为化 学计量学注入了新鲜血液 如各类人工神经网络 a n i f i c i a ln e u r a ln e t w o r k a n n 厶 1 3 和支持向量机 s u p p o r r tv e c t o rm a c h i n e s v m 1 4 1 5 l 的新算法 信息科学中的小波 分析 w a v e l e ta n a l y s i s 1 6 1 7 1 和图像分析 i m a g ea j l a l y s i s 13 1 组合技术 1 9 2 2 等 都 引起化学计量学家的浓厚兴趣 发展了很多适合于化学量测数据特点的新方法 使得分析化学家比以往任何时候更有能力参与解决化学中的许多复杂的问题 在 解决化学的实际问题中发挥了巨大的作用 而且 与其它化学相关的领域 如 环境科学 食品科学 生物科学 医学及农学等中出现的日益复杂而传统分析方 法无法处理的问题相结合 构成了化学计量学发展的又一个动力因素 同时 化 学计量学的发展也为化学各分支学科带来了巨大的活力 特别是分析化学 2 3 3 0 j 食品化学 3 1 1 环境化学 3 2 3 3 1 药物化学 3 4 3 6 1 农业化学 3 7 3 引 有机化学 3 9 1 化学 工程 4 0 4 l 等 提供了不少解决问题的新思路 新途径和新方法 至今为止 化学 计量学已发展成为化学与分析化学学科的一个独特且成熟的分支 4 2 4 3 1 化学计量学的研究大致主要包括两方面的内容 一方面是化学计量学在分析 化学及其他相关领域中的应用研究 这是化学计量学实践价值得以实现的基础 例如 化学反应动力学 q s a 刚q s p r 药物动力学 环境化学 化学反应过程控 制 中药复方与质量控制 化工与制药企业的在线现场检测与控制等等 其研究 范围远远超过了分析化学的领域 解决了传统方法无法解决的问题 体现了化学 计量学的强大优势 另一方面是化学计量学基础理论与方法的研究 化学计量学 的本质就在于从多变量 m u l t i v a r i a t e 的角度 亦即从矢量空间的角度 来看待化学 量测数据 因此 可以将其它领域特别是数学中的许多理论和方法 如最优化理 论 矩阵理论 数论方法等引入化学计量学并结合化学体系独有的特征 建立适 合于解决化学问题的化学计量学算法 化学计量学研究的这两方面内容也是相辅 博十学位论文 相成 相互促进的 实际问题的解决 促进了化学计量学在各分析化学相关或者 相邻领域的应用 反之 随着研究问题的复杂化 又对化学计量学提出了更高的 要求 并且催生了新方法的出现 而且 无论怎么变化 化学计量学研究和处理 的对象 分析数据 是不变的 始终依赖于仪器产生的分析数据进行最大限度地 挖掘化学信息和其它的相关信息 1 2 多维校正 经典的分析化学的校正方法研究的对象是标量数据 也就是零阶张量 l 比如 某一物理和化学信号与分析体系中某一待测物质存在某种对应的数量关系 分析 化学家就可以据此对研究对象进行定量分析 也就是零阶张量校正 零阶张量校 正的不足之处在于它解决的是单点数据问题 即分析对象必须有完全的选择性 且一般只能一次分析一种成分 当进行多个性质相似的成分分析时 一个必须的 操作是要将混合体系中各个成分经过物理或化学方法进行分离 然后分别进行分 析 这一方面使分析过程变得繁琐 另一方面分离后的测量可能不能真实反映被 分析成分在混合体系中的实际情况 随着化学研究的发展 分析仪器的智能化和 研究对象的复杂化 经典分析化学中的数据处理方法就无能为力了 矢量数据 矩阵数据和三维数据 二阶数据 甚至更高维数据解析方法则应运而生 这些方 法能够从内涵丰富的数据中提取大量的信息 解决很多以前被认为是不可能解决 的问题 一阶张量校正解决的是基于二维数据解析的多元校正问题 这些数据可以来 源于一阶仪器 如各类光谱仪 单通道测试的高效液相色谱 传感器阵列等 当 然还可以借助于动力学过程的一些手段 如流动注射 动力学时间与p h 值变化等 化学计量学家已发展了许多基于二维数据的多元校正算法m 一6 1 其中常用方法是 多元线性回归方法 m u l t i v a r i a t el i n e a u rr e g r e s s i o n m l r 主成份回归 p r i n c i p a l c o m p o n e n tr e g r e s s i o n p c a 偏最小二乘法 p a r t i a ll e a s ts q u a l r e s p l s 二维化 学数据的分辨在复杂体系的研究中占有十分重要的地位 其应用也非常广泛 7 7 母2 1 然而它们本身也存在一定的缺点 如难拟合强非线性关系 易引入过多的隐变量 而导致过拟合 受奇异值及方差异质影响严重等 因此 这些方法的改进也成了 一系列研究的主题 9 3 9 6 1 除了对算法本身的改进 计量学家也引入了其他领域如 机器学习领域中一些新的概念 如支持向量机 1 4 l5 和模型组合来丰富多元校正的 基础理论 为了克服用s v m 来建立校正模型时 求解过程所需计算资源很大的问 题 s u y k e n s 和v 柚d e w a l l e 即j 提出了最小二乘支持向量机 l e a s ts q u a r e s s u p p o r t v e c t o rm a c h i n e s l s s v m 以求解一系列线性方程来代替s v m 中的二次规化 这样大大减少了计算资源 提高了运算速度 由于其独特的性能 在化学领域回 归和分类的应用越来越广泛 9 8 1 0 2 1 多维数据定量解析和小分了与d n a 的作用机理研究 但是应用一阶张量校正方法有一个前提 它要求用来建模的校正样品要包含 将要预测的样品中可能含有的所有响应成分 即假如我们预测的样品中含有四个 有响应的性质相似的化合物 那么校正样品应含有这四个有响应的性质相似的化 合物 这样建立的回归模型去预测未知样时其结果才能是准确的 否则如果预测 样中有干扰但却没有存在于校正样品中 这时的预测结果将是不准确的甚至是错 误的 实际中 要准确预测在复杂多组分体系的特定物质的浓度是十分困难的 因为干扰往往是复杂的和未知的 要想准确定量预测感兴趣的组分 解决的途径 一般有两种 一种就是想办法将这种 灰色 体系转化为白色体系 另一种就是通 过标准手段确定一部分预测样中的感兴趣组分的浓度 然后再以这些样本作为校 正样去预测其它预测样的浓