Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于机器学习的非靶向筛查识别化合物浓度的方法专利

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:生态环境部华南环境科学研究所(生态环境部生态环境应急研究所)

申请日:2024-12-31

公开(公告)日:2025-02-07

公开(公告)号:CN119400286A

专利技术分类:.预测化合物、组合物或混合物的性质[2019.01]

专利摘要:本发明涉及新污染监测技术领域,具体涉及一种基于机器学习的非靶向筛查识别化合物浓度的方法。本发明基于化合物的高分辨率质谱信息、指纹信息和化学描述符,采用神经网络和贝叶斯统计方法,构建了基于机器学习的非靶向筛查识别化合物浓度的方法。解决了在无标准品情况下化合物无法定量获得浓度的问题;在有标准品的情况下,无法在非靶向筛查阶段完成定量获取浓度,需要重新使用液相色谱‑三重四级杆质谱进行定量,导致程序繁杂耗时的问题。

专利权项:1.一种基于机器学习的非靶向筛查识别化合物浓度的方法,其特征在于,包括以下步骤:S1、构建用于预测浓度的训练后的深度残差神经网络,并获取深度残差神经网络在训练时的化合物结构、质谱融合编码、预测浓度及其预测相对偏差;S2、构建训练后的化合物预测精度判别模型,并获取化合物预测精度判别模型在训练过程中的重构误差;S3、获取加标样待预测化合物和内标化合物的结构信息和质谱信息;S4、将加标样待预测化合物和内标化合物的结构信息和质谱信息作为训练后的深度残差神经网络的输入,获得加标样待预测化合物和内标化合物的化合物结构、质谱融合编码和预测浓度;S5、将训练后的深度残差神经网络的预测浓度输出作为待预测化合物的第一浓度;将加标样待预测化合物和内标化合物的化合物结构、质谱融合编码作为训练后的化合物预测精度判别模型的输入,根据化合物预测精度判别模型在训练过程中的重构误差判断待预测化合物浓度的精度;S6、根据加标样待预测化合物的第一浓度和峰面积、内标化合物的第一浓度和峰面积,获得待预测化合物相对内标化合物的平均相对响应因子;S7、根据加标样待预测化合物的峰面积和平均相对响应因子、内标化合物的加入量和峰面积计算待预测化合物的第二浓度;S8、根据待预测化合物的加入量和待预测化合物的第二浓度获取待预测化合物第二浓度和相对加标量的相对偏差;S9、根据S5中精度信息,分高精度和低精度化合物分别将深度残差神经网络在训练时的模型预测单个化合物的相对偏差作为先验信息,将待预测化合物第二浓度和相对加标量的相对偏差作为后验信息,以对数正态分布为先验分布、正态分布为后验分布,通过贝叶斯方法分别计算高精度和低精度化合物的预测相对偏差;S10、通过预测相对偏差对待预测化合物的第二浓度进行校正,得到待预测化合物最终的浓度及其范围。

百度查询: 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种基于机器学习的非靶向筛查识别化合物浓度的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。