化学指纹图谱相似度计算技术协议

化学指纹图谱相似度计算技术协议一、范围本协议规定了化学指纹图谱相似度计算的术语和定义、计算原则、技术流程、方法选择、结果评价及报告要求。本协议适用于中药材、中成药、天然产物、化工产品等领域中，基于色谱、光谱等分析技术获得的化学指纹图谱的相似度计算与评价。二、规范性引用文件下列文件对于本协议的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本协议。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本协议。《中华人民共和国药典》（现行版）《中药指纹图谱研究技术要求》（国家药品监督管理局）《化学计量学方法通则》（GB/T32465-2015）三、术语和定义（一）化学指纹图谱通过一定的分析手段，对复杂体系中化学成分进行整体表征所得到的图谱，能够反映体系中化学成分的种类、相对含量及分布特征，是一种综合的、可量化的鉴定手段。（二）相似度两个或多个化学指纹图谱之间相似程度的量化指标，用于评价图谱间的一致性或差异性。（三）共有峰在多个化学指纹图谱中均存在的色谱峰或光谱信号峰，是反映样品共性特征的重要标志。（四）特征峰能够代表样品特有化学成分或特定属性的色谱峰或光谱信号峰，可用于样品的鉴别与区分。（五）数据预处理在进行相似度计算前，对原始指纹图谱数据进行的一系列处理操作，包括基线校正、峰识别、峰匹配、归一化等，以消除实验误差和系统误差，提高数据质量。四、计算原则（一）整体性原则化学指纹图谱相似度计算应基于图谱的整体信息，综合考虑所有共有峰和特征峰的保留时间、峰面积、峰高及峰形等特征，避免仅依据个别峰进行评价。（二）客观性原则计算过程应采用客观、量化的方法，减少人为因素的干扰，确保结果的准确性和可靠性。（三）可比性原则用于相似度计算的指纹图谱应具有相同的分析条件、数据采集参数和预处理方法，以保证数据的可比性。（四）适用性原则应根据样品的性质、分析目的和数据特点，选择合适的相似度计算方法，确保计算结果能够真实反映样品间的相似程度。五、技术流程（一）数据采集采用合适的分析技术（如高效液相色谱法、气相色谱法、红外光谱法、质谱法等）采集样品的化学指纹图谱数据，记录色谱峰或光谱信号峰的保留时间、峰面积、峰高及峰形等信息。（二）数据预处理1.基线校正采用合适的基线校正方法（如多项式拟合、小波变换等）消除图谱中的基线漂移和噪声干扰，确保峰信号的准确性。2.峰识别通过峰检测算法（如阈值法、导数法、小波变换法等）识别图谱中的色谱峰或光谱信号峰，确定峰的保留时间、峰面积、峰高及峰宽等参数。3.峰匹配采用合适的峰匹配方法（如基于保留时间的匹配、基于峰形的匹配、基于相似度的匹配等）将不同图谱中的对应峰进行匹配，确保共有峰的准确对应。4.归一化处理对峰面积或峰高进行归一化处理，消除样品量、进样量等因素的影响，使不同图谱中的峰数据具有可比性。常用的归一化方法包括面积归一化法、峰高归一化法、向量归一化法等。（三）共有峰确定通过对多个指纹图谱的峰匹配结果进行分析，确定共有峰的数量和位置，并记录共有峰的保留时间、峰面积、峰高及峰形等信息。（四）相似度计算根据选定的相似度计算方法，对预处理后的指纹图谱数据进行计算，得到相似度值。（五）结果评价根据相似度计算结果，结合样品的实际情况和分析目的，对样品间的相似程度进行评价，并给出相应的结论。六、方法选择（一）夹角余弦法1.原理将指纹图谱中的共有峰信息转化为向量，通过计算两个向量之间的夹角余弦值来衡量图谱间的相似程度。夹角余弦值越接近1，说明两个图谱越相似；夹角余弦值越接近0，说明两个图谱差异越大。2.适用范围适用于指纹图谱中共有峰数量较多、峰面积或峰高分布较为均匀的情况，能够较好地反映图谱的整体相似性。3.计算公式设两个指纹图谱的共有峰向量分别为$X=(x_1,x_2,\cdots,x_n)$和$Y=(y_1,y_2,\cdots,y_n)$，其中$x_i$和$y_i$分别为第$i$个共有峰的峰面积或峰高，则夹角余弦值$cos\theta$的计算公式为：$$cos\theta=\frac{\sum_{i=1}^{n}x_iy_i}{\sqrt{\sum_{i=1}^{n}x_i^2}\sqrt{\sum_{i=1}^{n}y_i^2}}$$（二）相关系数法1.原理通过计算两个指纹图谱中共有峰的峰面积或峰高之间的相关系数来衡量图谱间的相似程度。相关系数的取值范围为[-1,1]，相关系数越接近1，说明两个图谱的峰面积或峰高变化趋势越一致，相似程度越高；相关系数越接近-1，说明两个图谱的峰面积或峰高变化趋势相反，差异越大；相关系数接近0，说明两个图谱之间没有明显的线性关系。2.适用范围适用于指纹图谱中共有峰的峰面积或峰高变化趋势较为一致的情况，能够较好地反映图谱间的相关性。3.计算公式设两个指纹图谱的共有峰向量分别为$X=(x_1,x_2,\cdots,x_n)$和$Y=(y_1,y_2,\cdots,y_n)$，其中$x_i$和$y_i$分别为第$i$个共有峰的峰面积或峰高，则相关系数$r$的计算公式为：$$r=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2}\sqrt{\sum_{i=1}^{n}(y_i-\bar{y})^2}}$$其中，$\bar{x}$和$\bar{y}$分别为向量$X$和$Y$的平均值。（三）距离法1.原理通过计算两个指纹图谱中共有峰向量之间的距离来衡量图谱间的相似程度，距离越小，说明两个图谱越相似；距离越大，说明两个图谱差异越大。常用的距离包括欧氏距离、曼哈顿距离、切比雪夫距离等。2.适用范围适用于指纹图谱中共有峰的峰面积或峰高分布差异较大的情况，能够较好地反映图谱间的差异性。3.计算公式（1）欧氏距离设两个指纹图谱的共有峰向量分别为$X=(x_1,x_2,\cdots,x_n)$和$Y=(y_1,y_2,\cdots,y_n)$，其中$x_i$和$y_i$分别为第$i$个共有峰的峰面积或峰高，则欧氏距离$d$的计算公式为：$$d=\sqrt{\sum_{i=1}^{n}(x_i-y_i)^2}$$（2）曼哈顿距离曼哈顿距离$d$的计算公式为：$$d=\sum_{i=1}^{n}|x_i-y_i|$$（3）切比雪夫距离切比雪夫距离$d$的计算公式为：$$d=\max_{1\leqi\leqn}|x_i-y_i|$$（四）相似度评价系统法1.原理采用专业的相似度评价软件或系统，对指纹图谱进行综合分析和评价，结合多种计算方法和评价指标，给出全面的相似度评价结果。常用的相似度评价系统包括中药指纹图谱相似度评价系统、化学计量学分析软件等。2.适用范围适用于复杂样品的指纹图谱相似度评价，能够综合考虑多种因素，提高评价结果的准确性和可靠性。六、结果评价（一）相似度阈值确定根据样品的性质、分析目的和历史数据，确定合适的相似度阈值。一般情况下，相似度阈值应不低于0.90，对于要求较高的样品，相似度阈值可适当提高。（二）结果判断1.当相似度值大于等于相似度阈值时，认为两个或多个样品的化学指纹图谱具有较高的相似性，样品的一致性较好。2.当相似度值小于相似度阈值时，认为两个或多个样品的化学指纹图谱存在明显差异，样品的一致性较差，应进一步分析差异原因，如样品来源、制备工艺、储存条件等。（三）差异分析对于相似度值小于相似度阈值的样品，应进行差异分析，确定差异峰的位置和性质，分析差异产生的原因，并采取相应的措施进行改进。差异分析方法包括峰面积比较、峰形分析、化学成分鉴定等。七、报告要求（一）报告内容相似度计算报告应包括以下内容：1.样品信息：包括样品名称、编号、来源、制备方法等。2.分析方法：包括分析技术、仪器设备、色谱条件、光谱条件等。3.数据预处理方法：包括基线校正、峰识别、峰匹配、归一化等方法的选择和参数设置。4.相似度计算方法：包括所选方法的原理、计算公式和参数设置。5.共有峰信息：包括共有峰的数量、保留时间、峰面积、峰高及峰形等信息。6.相似度计算结果：包括相似度值、相似度阈值及结果判断。7.差异分析：对于相似度值小于相似度阈值的样品，应提供差异分析结果，包括差异峰的位置、性质及差异原因分析。8.结论：根据相似度计算结果和差异分析，给出样品一致性评价结论。（二）报告格式报告应采用规范的格式，内容应完整、准确、清晰，数据应真实可靠，结论应明确合理。报告可采用文字、表格、图谱等多种形式进行呈现，便于理解和使用。八、质量控制（一）仪器设备校准定期对分析仪器设备进行校准和维护，确保仪器的性能稳定和数据的准确性。校准内容包括波长校准、流速校准、温度校准等。（二）标准物质使用在分析过程中，应使用合适的标准物质进行质量控制，如对照品、标准溶液