基于GC-MS的高速譜庫探索算法研究.pdf

1、化合物識別主要通過質(zhì)譜庫相似性搜索實現(xiàn)的。近年來，隨著質(zhì)譜庫中可用質(zhì)譜數(shù)據(jù)的迅速增加，這就需要一個高識別率，高速搜索的庫搜索算法。本文中我們將七種相似性度量結(jié)合在一起并利用它們的識別差異性來提高識別率，即多元組合相似性度量算法(Multiple Similarity Measures，MUL_SM)。七種相似性度量:絕對距離度量(Absolute Value Difference，ABS VD)、歐幾里得距離度量(Euclidean d

2、istance，Euclidean)、余弦相關(guān)系數(shù)度量（Cosine Correlation，Cosine）、相關(guān)系數(shù)度量(Correlation)和Stein和Scott提出的復(fù)合相似性度量(以下簡稱SS)、以及基于離散傅里葉變換和小波變換的復(fù)合相似性度量(Discrete Fourierand wavelet transform composite similarity measure，DFTR和DWTD)并利用粒子群優(yōu)化算法(Pa

3、rticle Swarm Optimization，PSO)來設(shè)定這七種不同相似性度量在MUL SM中所占的權(quán)重值。同時，為了減少庫搜索計算時間，從七種相似性度量中選擇一種度量作為“濾波器”（構(gòu)建子搜索主庫）。根據(jù)庫搜索計算時間、識別率和分子結(jié)構(gòu)相似性解釋能力三種性能，最終選定ABS VD作為原始搜索主庫的“濾波器”。
　　傳統(tǒng)質(zhì)譜庫搜索的數(shù)據(jù)基本上是原始的氣相色譜-質(zhì)譜聯(lián)用(GasChromatography Coupled t

4、o Mass Spectrometry，GC-MS)數(shù)據(jù)，樣本量多且數(shù)據(jù)的維數(shù)較高，從而導(dǎo)致庫搜索速度較為緩慢。所以本文中提出了一種基于隨機映射位置敏感哈希(Location Sensitive Hash，LSH)的庫搜索算法實現(xiàn)了高速、高效的庫搜索算法。
　　本文主要研究內(nèi)容如下:
　　1、針對傳統(tǒng)單一相似度量算法低識別率的問題，提出了MUL_SM。本算法主要內(nèi)容如下:識別差異性的可視化和粒子群優(yōu)化算法選擇權(quán)值。實驗表明M