【毕业学位论文】（Word原稿）复杂多组分体系指纹图谱差异性分析系统设计与实现-计算机应用技术

硕士学位论文 复杂多组分 体系 指纹图谱 差异性分析 系统设计与实现 学 科 专 业 电路与系统 学 位 类 型 科学学位 专业学位 论 文 编 号 湖南师范大学学位评定委员会办公室 二 一 年 十 月 分 类 号 密级 学校代码 10542 复杂多组分 体系 指纹图谱 差异性分析 系统设计与实现 文 编 号 学 科 专 业 电 路与系统 研 究 方 向 计算机应用 技术 湖南师范大学学位评定委员会办公室 二 一 年 十 月 I 摘 要 中药、酒、香精香料、化工产品和食品等复杂多组分体系质量分析与控制是近几年研究的热点。 指纹图谱 是一种有效客观 的 复杂多组分体系 质量控制和评价手段。 通过对复杂多组分体系的指纹图谱进行差异性分析可以有效地找到待测样本与标准样本之间的差异，并且通过标准质谱检索，尽可能地找到产生差异的原因及差异的成分，为质量控制提供更准确的依据。 因此以指纹图谱技术、复杂多组分体系的化学 计量学算法，同时结合数据库技术和数据可视化技术，全面系统地表征复杂多组分体系的品质，最大限度地获取定性定量等品质信息，弥补了传统复杂多组分体系质量检验的局限与不足。 本文首先分析 了 国内外关于 复杂多组分体系 质量 控制的 研究进展 。 概述了 复杂多组分体系 指纹图谱 差异性分析系统里用到的数据预处理算法，包括数据剪切 、 数据归一化处理、 色谱峰校正 、谱峰匹配和相似度计算 等算法。然后 在分析用户 需求 的基础上 ， 总结出 系统的业务 逻辑和功能模块，据此提出了系统的设计原则和整体架构， 并进行了数据库的设计。依据设计好的系统架构，采用软件设计 模式开发和实现整个系统，使系统具有良好的可重用性和可扩展性。其中，采用了 用数据库连接池技术解决了系统频繁进行数据库连接使得系统性能下降的问题，使得系统资源得到了有效地重用；采用备忘录模式实现了系统的系统能 进行任意次 的 重做和 撤消；采用 观察者 模式实现视图的动态更新。 最后 通过一个具体的应用实例对 差异性分析系统 的全流程进行了 详细 描述。 目前， 此软件 已在云南红河卷烟厂投入使用，针对其烟用香精香料指纹图谱进行差异性分析，美观大方的用户界面、良好的人机交互操作方 式高效率的分析 得到了用户的好评 ，并为企业带来了良好的经济效益。 关键词 ： 复杂多组分体系 ；指纹图谱； 差异性分析 ；相似度计算 he of as in is an of of We by of of we of as as on of of of of of at in so of on of to to VC to V to in to of to of of in by a At to of It of 录 中文 摘要 . I 英文摘要 . 一章 绪论 . 1 究背景及意义 . 1 纹图谱技术概述 . 2 内外研究现 状 . 4 文的结构 . 6 第二章 差异性分析相关算法 . 8 析数据介绍 . 8 据预处理 . 10 据剪切 . 10 据归一化 . 11 景扣除 . 11 峰匹配 . 13 谱峰校正 . 13 似度计算 . 16 结 . 19 第三章 差异性分析系统设计 . 20 系统与其他系统的关系 . 20 统的开发目标 . 21 统需求分析 . 22 统的业务逻辑 . 22 求描述 . 23 计原则 . 26 计关注点 . 26 赖原则 . 26 块横向贯穿 . 26 向接口的设计 . 27 统架构 . 27 统体系架构 . 27 发平台和运行环境 . 28 据库设计 . 28 结 . 30 第四章 差异性分析系统实现 . 31 式的应用 . 31 据库连接池的实现 . 32 现 . 34 现视图更新 . 36 据可视化技术的应用 . 37 结 . 38 第五章 实际应用及分析 . 39 接数据库 . 39 入样本数据 . 40 据预处理 . 43 处理操作模式选择 . 44 据剪切 . 45 景扣除 . 45 看色谱峰质谱图 . 51 标准质谱库中检索色谱峰 . 52 似度计算 . 54 结 . 55 第六章 总结与展望 . 56 结 . 56 一步的研究 . 57 参考文献 . 58 附录 . 61 复杂多组分体系差 异性分析系统设计与实现 1 第一章 绪论 究背景及意义 本 课题来源于 2010湖南高等学校科研重点项目 复杂多组分体系质量指纹图谱控制系统关键技术及系统（ 10 。 其中 论文所 论述的“复杂多组分体系差异性分析系统”是该项目的研究内容之一。 在复杂 的自然界与人类社会中， 事物之间的 差异是一种普遍 存在 的现象。 但偏偏这种 差异 却能体现出 这个丰富 多彩世界的本质 ，同时差异 的存在 又给人们认识与把握这个世界 ，并做出合理 的决 策提出了极大的挑战。差异使得世界变得 丰富多彩的同时，也使这个世界 变得复杂 。尽管差异并不是复杂的唯一原因，但确实 是 形成 复杂 体系的一 个 方面 ，至少可以这么认为， 没有差异 世界 就不会有 这么复杂 1。 系统的相似性和差异性是 相 对应的，两个系统或 同 一个系统的不同层次 既 有相 似 性 也 同时存在 差异， 并且 在系统发展运动 过程 中相似与差异也会 随着 动态变化。系统的复杂性不仅涉及到差异性的问题，还和相似性有着密切的联系，因此在认识差异 的同 时，必定涉及到相似问题，根据相似与差异的内在联系，可把不相似称之为相似性较小或差异性较大，也可把相似称之为相似性较大或差异性较小 2。 当今研究相似性以及相似性在 复杂多组分体系质量分析与评价 中运用还是比较多的。 特别是 中药 3、酒 4、香精香料 5、化工产品和食品 6等复杂多组分体系质量分析与评价 成为了 近几年研究的热点。由于 多组分 体系的物理化学成分复杂，目前主要针对其一种或几种化学成分进行定性定量硕士学位论文 2 的分析，难以对 其质量 作出整体分析 ，因此无法 有效 对其质量进行 控制 6。近 年 来 ， 人们转向 利用 化学指纹图谱分析技术 ,试图发展一种用于综合评价复杂多组分体系物质的新方法。 指纹图谱的应用是一种有效的质量控制方法，具有科学、实用、经济的特点 8。 特别是随着 现代分析仪器联用技术的迅速发展， 计算机信息处理技术和现 代 分析技术的结合和渗透而产生的化学计量学，涉 及分析化学、 数学计算机 软件、模式识别、数据挖掘 和 人工智能等 多门学科 ，对分析化学和计算机应用的发展 起到 了极大的促进 和推动 作用。为复杂多组分体系的定性定量分析提供了许多优异的硬件条件，加之计算机技术与化学计量学方法的有效融合，对多维海量数据的解析提供了许多新的方法，使 得 联用 化学分析 仪器所产生的大容量数据的定性定量快速分析成为了必然。这对复杂多组分化学体系进行质量指纹分析，最大限度地掌握其品质信息提供了全新的解决思路。 对获得的指纹图谱进行科学有效的 分析和评价 ，是指纹图谱技术研究中的重要组成部分，是使用指纹图谱技 术建立 复杂多组分体系 质量控制体系中的重要环节，也是指纹图谱 能 得到广泛应用的前提 条件 。但是指纹图谱技术用于 复杂多组分体系 质量评价与 分析 有两个关键问题必须解决 ： 一是 标准 样 品指纹 图谱与待测样品的 指纹 图谱之间的 相似度 或差异性 如何进行量化评价 ； 二是 标准 样 品指纹图谱 与待测样品 指纹 图谱之间 相似度 限度如何 确定 9。 纹图谱技术概述 指纹图谱是指样品经 过 适当前处理后，采用一定的分析手段，得到 能复杂多组分体系差 异性分析系统设计与实现 3 够标示其化学特征的色谱图或光谱图 。指纹图谱是一种综合的，可量化的鉴定手段， 复杂多组分体系的 指纹图谱是建立在 复杂多组分 基础上 ，主要用于评价 复杂多组分体系 质量的真实性、优良性和稳定性 10。 通过 指纹图谱 来分析和评价 复杂多组分体系的品质所依据的是同 类 样品其化学成分的相似性和差异性。指纹图谱分析 并 不是强调个体的绝对唯一性， 并 不要求对 每一个组分都要弄清楚，而是强调整体的相似性，即共有特征性 。 与传统 的 质量 分析和 评价模式的区别在于：指纹图谱分析是 整体 地、综合 地 来 看 待 问题。 模糊性 和整体性 是指纹图谱的基本属性，指纹图谱的相似性 就 是通过其基本的属性来体现的，其分析强调准确的辨认 （ ，而不是精密的计算 （ ，比较图谱强调的是相似性 （ ，而不是相同 （ 。在不能将复杂样品成分都搞清楚的情况下，指纹图谱能反映复杂成分重要内在质量的均一性和稳定性。指纹图谱是一种综合的、宏观的、可量化的鉴别手段，应满足专属性、重现性和实用性的技术要求 11。利用现代色谱、光谱、波谱和质谱分析等得到的物质群指纹图谱，能在尚不清楚全 部 化学 组成成 分的情况下，实现对物质 进行 整体的控制 12。几 种 物质在相同仪器、相同试验条件、相同操作方法下所得的指纹图谱相同性，即可反映这些物质的同属性。虽然对其图谱中每个特定峰的成分并不了解，但这并不影响对物质群 体 一致性的判断。 由于每一个指纹图谱数据都包含很多个数据点，尤其对于像 至上百兆，采用直观的处理方法非常费神。值得庆幸的是，计算机的飞速发展已使我们所处的时代成为信息时代，与之相适应，各种信息处理的交叉学科的发展硕士学位论文 4 也十分迅速，如生物信息学 (化学计量学 (称化学信息学 (计量经济学 (，加之计算机高速运算能力和强大的可视化手段，为人们 分析和 评价不同的复杂 多组分 体系提供了很多有效方法。 内外研究现状 近 几 年来 ， 指纹图谱 技术 在中药 和香精香料 质量 分析和 评价 方面 的 应用取得 了 显著 的 成果，为 指纹图谱 技术 在 复杂多组分体系 质量评价和 分析方面 的研究提供了可 借鉴的宝贵经验。 复杂多组分体系的 指纹图谱能反映复杂多组分体系 的全貌，使其质量 分析和 评价指标由原来 的单 个 组成 成分的 检 测上升 到 对 其 整个 体系 内在品质的检测， 从而 实现对 复杂多组分体系内在质量的综合 分析 和全面 评价 ，确保 复杂多组分体系 品质的稳定。 针对 复杂多组分体系 的 指纹图谱 数据的分析和处理研究 ，国内外高校、科研机构及企业都 取得了一些成果 。 研究 成果 主要分 布在 指纹图谱 预 处理算法 、相似 度 计算 和 建模 算法、 质量 分析和 评价系统 等 方面。 由于 在指纹图谱 数据 采集过程中， 受到 实验环境、方法 和条件 等因素的影响，在图谱信号中 或多或少地 会存在噪声和基线漂移等现象 。 因此 ， 在 进行 分析和 评价前 有必要 对 指纹图谱数据 进行 预处理 操作 。 邵利民 13等人利用 谱 指纹图谱 进行了 滤波 、 去噪 等预 处理，取得不错的效果 ； 袁海龙 14等人 利 用 指纹图谱中 的 基线漂移问题 进行了研究，效果不错 。 在相似度计算和分析 研究 方面， 相似度 计算 可以量化 地 描述指纹图谱复杂多组分体系差 异性分析系统设计与实现 5 的相似性，即客观地 数字化描述 指纹图谱。相似度计算目前 常采用的方法是 通过 相关系数和夹角 余弦来计算， 孟庆华 15等 人 提出了将色谱指纹图谱的重叠 度 和共有峰的峰强度 进行有效 结合 来 计算相似度， 实验 表明 利用 该方法 来 计算相似度能敏感 地 反映 出指纹 谱图的差异， 并且计算简单、 易于推广。王龙星 16等 人 将指纹图谱 数据 看作 高 维空间内的向量， 采 用向量夹角余弦的基本公式 来计算两个指纹图谱 的相似度，并 通过 现了 自动色谱峰匹配 以 相似度 计算， 用 11个不同产地 和 炮制方法的吴茱英样品的指纹图谱对 此 计算方法 和 程序进行了检验，结果表明该 方法 能 很 好地 分析和 评价指纹图谱间的相似性，并清 晰地区分 了汤洗 7遍这种炮制方法对指纹图谱的影响，此 方 法能较好地定量 分析和 评价指纹图谱间的相似性， 但目前只应用于中药 的 质量分析和评价 。田润涛 17等 人 对色谱指纹图谱相似度分析和 评价方法的规范化进行研究 ， 采用计算机拟合技术与 高效液相色谱方 法对不同相似度 计算和评价方法的性能和指纹图谱特征指标的选取标准进行了研究， 结果 表明在以色谱峰面积 为指标的相似度计算中，推荐 使 用夹角余弦和相关系数法。在指纹图谱特征变量的选择方面，推荐采用色谱峰面积。 刘永锁 18等 人利用 相似系统理论对桅子药材 提取物色谱指纹图谱的相似度 分析和计算 ， 研究 发现相似系统理论对数据的差异 很 敏感，而且相似度计算 的 结果能够 准确地反映样品的 差异， 因此 相似系统理论 成 为 了一种色谱指纹图谱相似度 计算和分析 的新方法。 在指纹图谱 差异性分析 系统方面，国外 化学分析企业 以对中药指纹图谱信号进行相似度计算，但是仅仅局限于 待测 样本硕士学位论文 6 与标准指纹图谱 样本 的一一匹配， 并 不支持指纹图谱的共有模式建立，也未见到有关应用研究的报道。在国内 高校中 ， 浙江大 学程翼宇教授 和 中南大学梁逸 曾教授 等领导的科 学 研 究 团队 均研究 和 开发了基于 统 ， 虽然 具备强大的计算功能、图形 展示 与文件操作功能，相似度 计算的精确度 也 较高，但是由于无法独立于 行， 因此主要用于实验 研究和仿真。两个系统在建模、特征峰提取和相似度计算等方面都有待 改进 19。国家药典委员会组织 了 清华大学等 八 家 科研 单位共同参与 研发 ，成功 研 发了中药色谱指纹图谱相似度评价系统 2004系统 软件，该软件 设计合理 、易 操作，符合 分析 行业应用软件推广的标准，但在后期功能扩展、数据预处理和共有模式建立方面依然存在需要改进的地方， 但 仅 能 用于中药行业 20。 所以，针对 当前系统存在的缺陷 ， 针对 复杂多组分体系 指纹图谱数据特点，利用现代数字信号处理 技术 和 数据可视化 技术，以及采用先进人工智能 、 模式识别算法 并且融合 分析化学专家知识，开发出更为科学合理的复杂多组分体系 指纹图谱差异性分析 系统软件。所研发 的 系统 软件应 符合国际 商用行业软件 的 标准，具有广泛的使用前景，对于提高 复杂多组分体系 质量 分析和 评价 水平具有重要的理论 依据 和现实意义。 文的结构 本文结构如下： 第一章 介绍论文选题背景 及 意义 ，对指纹图谱的数据预处理和相似度计算研究 进行了概述，并 对 复杂多组分体系指纹图谱差异性分析 系复杂多组分体系差 异性分析系统设计与实现 7 统的国内外研究现状做了 简要介绍 。 第二章 介绍本系统 所 集成的指纹图谱 数据 预处理算法 和 相似度计算算法 。 第三章 介绍了 本系统开发 目标和需要，以及系统设计的原则和系统架构 。 第四章 详细论述了 本系统的 实现 过程 中 所采用的 关键 技术。 第 五 章 以一个具体的应用案 例对本系统 的全流程 进行了 详细 地 描述 。 第 六 章 总结 及 展望。对论文 所做 的研究 工作进行了总结 ，并 提出 了 下一步的研究 和 改进方向。 硕士学位论文 8 第二章 差异性分析 相关 算法 差异性分析系统主要是用来详细比较 待测 样本 维数据和标准样本 维数据之间的差异 ， 考察 待测 样本质量是否合格 ， 如不合格就找出两者有何差异 ， 比如缺少或增加某种或某几种成分 ， 或者某些成分在含量上有较大 变化等情况 。 本章将 简 要 介绍本 差异性分析 系统所 采用的针对 复杂多组分体系 的 计算机数据处理技术和化学计量学 关键算法 。 析数 据介绍 差异性分析系统是用于详细比较两个样本 维数据之间的差异，所谓 维数形式如下： .2中： m 为色谱点数 ， n 为仪器测量 出的 据最大质荷比。 维数据图形如下：其绘图方式是 X 矩阵的每一列绘制一条色谱曲线，我们常常称之为质量色谱曲线，把所有的质量色谱曲线绘制在同一张图上就得到了 维数据图 ，如图 2示 。 复杂多组分体系差 异性分析系统设计与实现 9 图 2C 维数据图 总色谱曲线图（又称：总离子流图 ）即是 X 矩阵的每一行加和得到的一个列向量的曲线图，如 图 2示： 图 2个样本的总色谱曲线图 硕士学位论文 10 X 矩阵中每一行可以看作是一个质谱图数据，如 图 2示 。 图 2C 维数据图和保留时间点的质谱图 据预处理 据剪切 数据剪切 21就是从原始 据矩阵 X 中按行抽取一段组成新的矩阵 如图 2示。 复杂多组分体系差 异性分析系统设计与实现 11 图 2维数据剪切示意图 据归一化 数据归一化预处理，分为峰面积归一化和最高峰归一化 22两种方法 。 （ 1） 峰面积归一化 首先从总色谱曲线上识别出每个峰，计算出每个峰的面积，然后把所有的峰面积数值加和，最后用原始的 维数据矩阵除以这个总面积得到新的 维数据矩阵。这样就使得新的总色谱曲线的总的峰面积为 1， 因此叫峰面积归一化。 （ 2） 最高峰归一化 和峰面积归一化 类 似，首先从总色谱曲线上识别出每个峰，计算出每个峰的面积，然后找出 峰面积最大值，最后用原始的 维数据矩阵除以这个最大的峰面积值得到新的原始的 维数据矩阵。这样就使得新的总色谱曲线的最大峰的峰面积为 1， 因此叫最高峰归一化。 景扣除 色谱的背景漂移是一个很常见的现象，重复多次实验发现，每次色谱背景都有差异，这就为以后指纹图谱相似度计算和模式识别带来了很大的干扰 23，因此我们非常有必要对色谱背景进行扣除。 由于色谱在各个保留时间段内的背景漂移大都不相同 ，而且变化趋势硕士学位论文 12 也不一样，但是我们发现在较短的保留时间范围内背景漂移又可以认为是成线性变化的，因此我们这里采用了分段线性扣出背景的方法。 首先我们来看每一小段保留时间范围内的背景扣除，如图 2示：在一个较短保留时间范围内的色谱峰族，我们可以认为那条红色的线就是这段时间内的色谱背景，具体色谱背景识别方法是在色谱峰的两边找到合理的一系列点代表这个色谱峰族两边的背景点，而中间的背景值采用线性插值估计（线性插值方法与指纹图谱等长处理所采用的线性差值方法一样）的办法来扣除。最后扣除背景的色谱曲线是原始的色谱曲线值减 去估计的背景值后剩下的那部分。图 2示了整条色谱曲线的背景趋势，图 2 图 2谱指纹图谱背景估计示意图 图 2条色谱指纹图谱背景趋势图 复杂多组分体系差 异性分析系统设计与实现 13 图 2景扣除示意图 峰匹配 谱峰匹配是对需要进行相似度计算的所有图谱中所有色谱峰进行同一性鉴定的过程 24。相似度软件研究初期，很多人认为相似度无法真实反应样品的相似情况，因为许多色谱色谱图明明相 似，其相似度值确很低，造成这个问题的主要原因可能是使用的匹配算法存在问题，造成不正确的匹配结果，从而得出不正确的结论。色谱峰的正确匹配是真实反映样品之间的相似情况的前提和保障，因此是峰对峰相似度计算的关键步骤。同时也是指纹图谱模式识别和特征提取工作顺利进行的前提和保障。 谱峰校正 实验仪器条件 发生 微小变化，通常会引起色谱峰的保留时间发生漂移，实验表明色谱峰 保留时间 的漂移是影响指纹图谱质量分析的 最大因素，为了正确进行指纹图谱 差异性分析和评价 ，就 有必 要对色谱峰的漂移进行校正。 在当前开发的 软件系统 中色谱峰漂移校正仅仅用到色谱方向上的信息来 人为确定色谱峰的对应关系，而忽略了更为重要的光谱或质谱方向信息。 在本系统中，我们通过质谱来确定色谱峰 之间 的对应关系，这样准确性和可信度 得到了很大的提高 ，而且可以运用计算机 来 自动识别色谱峰的对应关系。 硕士学位论文 14 在本系统中色谱峰峰漂移校正步骤 25如下： （ 1） 自动识别各个色谱峰； （ 2） 根据各个色谱峰所对应的质谱来确定色谱峰对应关系； 在如图 2示的示意图中，参考谱图和待校准谱图 1 号色谱峰保留时间相似，并且其质谱相似度达到 图 2示），说明这两个色谱峰应归属于同一成分，即存在对应关系，但是他们有保留时间的漂移，应该被校准到相同保留时间位置。 2 号 、 3 号 色谱峰质谱相似度 也 达到 图 22示），存在对应关系，也应该被校准到相同保留时间位置。 图 2维数据色谱峰匹配结果图 图 2个样本 1 号峰的质谱图 复杂多组分体系差 异性分析系统设计与实现 15 图 2个样本 2 号峰的质谱图 图 2两个样本 3 号峰的质谱图 （ 3）色谱峰漂移校正 当色谱峰对应关系找 到之后，就很容易对色谱峰漂移进行校正，在本系统中采用分段局部最小二乘方法进行校正 2627，校正效果如图 2示。 硕士学位论文 16 图 2谱峰保留时间漂移校正结果 似度计算 在 本系统 中， 采用夹角余弦 2629和相关系数 2931这两种成熟的相似度计算方法来计算和分析两个 指纹图谱 的 相似程度。 （ 1）夹角余弦计算 公式 ： 1 2 1 2 1 2c o s V V V * V / n o r m V * n o r m V （ 2 （ 2）相关系数计算 公式 ： 1 1 2 212 1 1 2 2V a * V a c o s V V n o r m V a * n o r m V a （ 2 其中 1a 和 2a 分别表示第 1 和第 2 个向量的均值。 我们这里相似度计算包括三种相似度指标，色谱峰面积相似度、色谱峰高相似度、总质谱相似度，所以计算相似度之前，先要对两个样本进行色谱峰识别和色谱峰匹配。 复杂多组分体系差 异性分析系统设计与实现 17 图 2谱峰匹配结果列表 （表中 表标准样本、 表新样本， 有蓝色底纹的行表示标准样本或者新样本所特有的谱峰） 图 2择要计算相似度的色谱保留 时间区间 （图中有浅绿色底纹的区域表示我们要计算相似度的区间） 面积相似度 如 图 22示，我们要计算两个样本 4峰的峰面积相似度，我们采用计算两个向量： 硕士学位论文 18 之间的夹角余弦 和相关系数 。 高 相似度 如 图 22示 ，我 们要计算两个样本 4峰的峰高相似度，我们采用计算两个向量： H 5 H 6 H 7 H 8 H 9 H 4 H 5 H 6 H 7 H 8 H 9之间的夹角余弦 和相关系数 。 质谱 相似度 总