СПОСОБ УЛУЧШЕНИЯ КАЧЕСТВА АННОТАЦИИ ЛИПИДНЫХ ПРИЗНАКОВ, ОТНОСЯЩИХСЯ К ОТДЕЛЬНЫМ ЛИПИДНЫМ КЛАССАМ, С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИИ О ВРЕМЕНИ ЗАДЕРЖКИ В МАСС-СПЕКТРОМЕТРЕ Российский патент 2021 года по МПК G16H10/40 G01N30/72 G01N30/02 

Описание патента на изобретение RU2743418C1

ОБЛАСТЬ ТЕХНИКИ

Настоящее техническое решение относится к области медицины, в частности, к способу анализа данных о содержании в образце интересующих классов липидов на основе масс-спектрометрического анализа с жидкостной хроматографией.

УРОВЕНЬ ТЕХНИКИ

На данный момент существует два комплементарных подхода к задаче идентификации липидных признаков в области масс-спектрометрии. Первый состоит в проведение дополнительных экспериментов, во время которых химические соединения фрагментируются и измеряются соответствующие массы фрагментов, что зачастую позволяет идентифицировать химическое соединение с приемлемой точностью [Sebastian . Searching molecular structure databases using tandem MS data: are we there yet? Current Opinion in Chemical Biology, Volume 36, February 2017, Pages 1-6]. В таком случае регистрируются только фрагменты соединений с самой высокой концентрацией.

Второй подход основывается на использовании лишь значения массы-на-заряд для аннотации липидного признака, что может приводить к ошибочным или неоднозначным идентификациям.

Предлагаемое решение должно производить аннотацию липидных признаков, относящихся к отдельным липидным классам, используя одновременно информацию о массе-на-заряд, времени задержки, и, возможно, внутренних стандартов соответствующих липидных классов.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Технической проблемой, на решение которой направлено заявленное техническое решение, является создание способа анализа данных о содержании в образце интересующих классов липидов на основе масс-спектрометрического анализа с жидкостной хроматографией, который охарактеризован в независимом пункте формулы.

Технический результат заключается в повышении качества аннотации липидных признаков по значениям массы-на-заряд и времени задержки.

Заявленный результат достигается за счет осуществления способа анализа данных о содержании в образце интересующих классов липидов на основе масс-спектрометрического анализа с жидкостной хроматографией, включающий следующие этапы:

получают данные жидкостной хроматографии с масс-спектрометрией анализируемого образца;

осуществляют обработку спектров для получения таблиц с интенсивностями липидных признаков и их значениями масс-на-заряд и времени удерживания;

определяют липидный класс и соответствующий ему аддукт из входных данных, которые выбираются из списка возможных вариантов;

находят предварительную аннотацию по значениям массы-на-заряд, посредством сравнения теоретических значений массы-на-заряд для выбранного класса со значениями массы-на-заряд из полученной таблицы;

определяют модели решетки по набору следующих параметров:

- сдвиг по времени задержки при увеличении количества атомов углерода в хвостах жирных кислот на одну единицу,

- сдвиг по времени задержки при увеличении количества двойных связей в хвостах жирных кислот на одну единицу,

- допустимая погрешность по времени задержки и начало отсчета решетки;

осуществляют поиск оптимальной решетки путем подбора оптимального набора параметров, для этого

используют полный перебор параметров с оптимизацией целевой функцией, при этом использованная целевая функция считается как количество точек, попадающих в решетку с данной погрешностью времени задержки,

а результат оптимизации определяет оптимизирующий набор значений параметров, который дает наибольшее количество аннотированных липидных признаков;

формируют аннотацию с использованием оптимальной решетки, где все признаки, попавшие в предсказанное время в пределах заранее заданной погрешности, считаются аннотированными;

выводят результат аннотирования в виде таблицы, где липидным признакам сопоставлено название липида.

ОПИСАНИЕ ЧЕРТЕЖЕЙ

Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:

Фиг. 1 иллюстрирует пример общей схемы вычислительного устройства.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.

Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.

На первом этапе, на вычислительном устройстве (100), получают данные жидкостной хроматографии с масс-спектрометрией анализируемого образца. В качестве образцов могут быть любые липидосодержащие образцы. Пробоподготовка должна заключаться в экстракции липидов для их последующего анализа методом жидкостной хроматографии с масс спектрометрией. В итоге для каждого образца получается спектр - массив данных, который отражает содержание липидных соединений в данном образце.

Осуществляют обработку спектров, полученных для каждого образца, для получения таблиц с интенсивностями липидных признаков и их значениями масс-на-заряд и времени удерживания.

Эти спектры, полученные для каждого образца, анализируются в специализированной программе, чтобы в итоге получить то, с чем работает данный алгоритм - матрицу с интенсивностями липидных признаков (которая отражает количественное содержание липидных соединений в каждом образце), и матрицу с временами задержки и массами-на-заряд выявленных липидных признаков (с помощью этой матрицы можно аннотировать липидные признаки).

Определяют липидный класс и соответствующий ему аддукт из входных данных, которые выбираются из списка возможных вариантов. Липидный класс определяется по общепринятой классификации, здесь имеется в виду набор липидов, которые отличаются между собой только жирно-кислотным составом. Входные данные содержат набор липидных классов, их теоретические массы, рассматриваемый аддукт для каждого класса. Из базы данных, включенной во входные данные, извлекаются массы, соответствующие этому липидному классу и аддукту.

Находят предварительную аннотацию по значениям массы-на-заряд, посредством сравнения теоретических значений массы-на-заряд для выбранного класса со значениями массы-на-заряд из полученной таблицы и осуществляют построение модели решетки.

Определяют модели решетки для построения по набору следующих параметров:

- сдвиг по времени задержки при увеличении количества атомов углерода в хвостах жирных кислот на одну единицу,

- сдвиг по времени задержки при увеличении количества двойных связей в хвостах жирных кислот на одну единицу,

- допустимая погрешность по времени задержки и начало отсчета решетки.

Дополнительно, для построения модели решетки в качестве начальной точки можно использовать вводимый пользователем параметр.

В случае наличия внутреннего стандарта его время задержки используется как начальная точка для построения решетки. Под внутренним стандартном понимается искусственно добавляемое соединение, которое позволяет отслеживать различные технические аспекты в эксперименте.

Осуществляют поиск оптимальной решетки путем подбора оптимального набора параметров. Для поиска оптимального набора параметров используют полный перебор параметров с оптимизацией целевой функцией, при этом использованная целевая функция считается как количество точек, попадающих в решетку с данной погрешностью времени задержки, а результат оптимизации определяет оптимизирующий набор значений параметров, который дает наибольшее количество аннотированных липидных признаков.

Формируют аннотацию с использованием оптимальной решетки, где все признаки, попавшие в предсказанное время в пределах заранее заданной погрешности, считаются аннотированными.

Выводят результат аннотирования в виде таблицы, где липидным признакам сопоставлено название липида и их однозначная аннотация. Под аннотацией понимается приписывание признаку из таблицы к какому-то химическому соединению. Можно приписывать одному признаку несколько соединений если есть неопределенность, тогда аннотация неоднозначная.

На Фиг. 1 далее будет представлена общая схема вычислительного устройства (100), обеспечивающего обработку данных, необходимую для реализации заявленного решения.

В общем случае устройство (100) содержит такие компоненты, как: один или более процессоров (101), по меньшей мере одну память (102), средство хранения данных (103), интерфейсы ввода/вывода (104), средство В/В (105), средства сетевого взаимодействия (106).

Процессор (101) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (100) или функциональности одного или более его компонентов. Процессор (101) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (102).

Память (102), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.

Средство хранения данных (103) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство (103) позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п.

Интерфейсы (104) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.

Выбор интерфейсов (104) зависит от конкретного исполнения устройства (N00), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.

В качестве средств В/В данных (105) в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.

Средства сетевого взаимодействия (106) выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств (105) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM.

Компоненты устройства (100) сопряжены посредством общей шины передачи данных (110).

В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.

Похожие патенты RU2743418C1

название год авторы номер документа
СПОСОБ ОБРАБОТКИ ХРОМАТО-МАСС-СПЕКТРОМЕТРИЧЕСКИХ ДАННЫХ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПОИСКА ДИАГНОСТИЧЕСКИХ МАРКЕРОВ ПРИ ПРОВЕДЕНИИ КЛИНИЧЕСКИХ ИССЛЕДОВАНИЙ 2021
  • Токарева Алиса Олеговна
  • Кононихин Алексей Сергеевич
  • Николаев Евгений Николаевич
RU2803128C2
СПОСОБ УМЕНЬШЕНИЯ ВКЛАДА ТЕХНИЧЕСКИХ ФАКТОРОВ В СУММАРНЫЙ СИГНАЛ ДАННЫХ МАСС-СПЕКТРОМЕТРИИ С ПОМОЩЬЮ ФИЛЬТРАЦИИ ПО ТЕХНИЧЕСКИМ ОБРАЗЦАМ 2020
  • Аниканов Николай Андреевич
  • Ванюшкина Анна Алексеевна
  • Стекольщикова Елена Алексеевна
  • Ткачева Анна Игоревна
  • Хайтович Филипп Ефимович
RU2769618C2
Способ диагностики психических расстройств по липидам крови 2022
  • Хайтович Филипп Ефимович
  • Стекольщикова Елена Алексеевна
  • Ткачев Анна Игоревна
  • Аниканов Николай Андреевич
RU2818128C2
СПОСОБ ДИАГНОСТИКИ СИФИЛИСА С ИСПОЛЬЗОВАНИЕМ МЕТОДА ПРЯМОГО ПРОТЕОМНОГО ПРОФИЛИРОВАНИЯ СЫВОРОТКИ КРОВИ 2008
  • Кубанова Анна Алексеевна
  • Кубанов Алексей Алексеевич
  • Лесная Ирина Николаевна
  • Китаева Наталья Владимировна
  • Хайруллин Рафиль Фидаилевич
  • Фриго Наталия Владиславовна
  • Полетаева Ольга Александровна
  • Лихарева Виктория Владимировна
RU2381505C1
Способ диагностики I-II стадий серозного рака яичников высокой степени злокачественности по липидному профилю сыворотки крови 2022
  • Павлович Станислав Владиславович
  • Юрова Мария Владимировна
  • Чаговец Виталий Викторович
  • Франкевич Владимир Евгеньевич
  • Стародубцева Наталия Леонидовна
  • Токарева Алиса Олеговна
  • Хабас Григорий Николаевич
  • Сухих Геннадий Тихонович
RU2807396C1
ОБУЧЕНИЕ GAN (ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫХ СЕТЕЙ) СОЗДАНИЮ ПОПИКСЕЛЬНОЙ АННОТАЦИИ 2019
  • Галеев Данил Фанильевич
  • Софиюк Константин Сергеевич
  • Рухович Данила Дмитриевич
  • Конушин Антон Сергеевич
  • Романов Михаил Викторович
RU2735148C1
ИНТЕГРИРОВАННОЕ ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ НАСТОЛЬНОГО КОМПЬЮТЕРА ДЛЯ УПРАВЛЕНИЯ ДАННЫМИ ПО ВИРУСАМ 2010
  • Крайг Джоанна
  • Кэпс Джулиан
RU2520423C2
СПОСОБ И УСТРОЙСТВО ДЛЯ АВТОМАТИЧЕСКОГО АННОТИРОВАНИЯ СОДЕРЖИМОГО ЭЛЕКТРОННЫХ ДОКУМЕНТОВ 2012
  • Мани Индерджит
  • Сиурана Эудженио
  • Д'Алойсио-Монтилла Николас
  • Суонсон Барт К.
RU2595594C2
ИДЕНТИФИКАЦИЯ АННОТАЦИЙ К ОПИСАНИЮ ИЗОБРАЖЕНИЯ 2015
  • Ли Майкл Чунь-Чи
RU2699416C2
СИСТЕМА МОНИТОРИНГА ВНЕШНИХ ПАРАЗИТОВ РЫБ В АКВАКУЛЬТУРЕ 2018
  • Хоу, Рассел
  • Лайзер, Закари
  • Сарретт, Джеймс, Уоллес
  • Абрахамсон, Питер, Джон
  • Литтл, Яша, Такер
RU2778096C2

Иллюстрации к изобретению RU 2 743 418 C1

Реферат патента 2021 года СПОСОБ УЛУЧШЕНИЯ КАЧЕСТВА АННОТАЦИИ ЛИПИДНЫХ ПРИЗНАКОВ, ОТНОСЯЩИХСЯ К ОТДЕЛЬНЫМ ЛИПИДНЫМ КЛАССАМ, С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИИ О ВРЕМЕНИ ЗАДЕРЖКИ В МАСС-СПЕКТРОМЕТРЕ

Изобретение относится к области медицины. Предложен способ анализа данных о содержании в образце интересующих классов липидов на основе масс-спектрометрического анализа с жидкостной хроматографией, включающий получение данных жидкостной хроматографии с масс-спектрометрией анализируемого образца, обработку спектров для получения таблиц с интенсивностями липидных признаков и их значениями масс-на-заряд и времени удерживания, определение модели решетки, поиск оптимальной решетки путем подбора оптимального набора параметров, формирование аннотации с использованием оптимальной решетки, где все признаки, попавшие в предсказанное время в пределах заранее заданной погрешности, считаются аннотированными, вывод результата аннотирования в виде таблицы, где липидным признакам сопоставлено название липида. Изобретение обеспечивает повышение качества аннотации липидных признаков по значениям массы-на-заряд и времени задержки. 1 ил.

Формула изобретения RU 2 743 418 C1

Способ анализа данных о содержании в образце интересующих классов липидов на основе масс-спектрометрического анализа с жидкостной хроматографией, включающий следующие этапы:

получают данные жидкостной хроматографии с масс-спектрометрией анализируемого образца;

осуществляют обработку спектров для получения таблиц с интенсивностями липидных признаков и их значениями масс-на-заряд и времени удерживания;

определяют липидный класс и соответствующий ему аддукт из входных данных, которые выбираются из списка возможных вариантов;

находят предварительную аннотацию по значениям массы-на-заряд, посредством сравнения теоретических значений массы-на-заряд для выбранного класса со значениями массы-на-заряд из полученной таблицы;

определяют модели решетки по набору следующих параметров:

- сдвиг по времени задержки при увеличении количества атомов углерода в хвостах жирных кислот на одну единицу,

- сдвиг по времени задержки при увеличении количества двойных связей в хвостах жирных кислот на одну единицу,

- допустимая погрешность по времени задержки и начало отсчета решетки;

осуществляют поиск оптимальной решетки путем подбора оптимального набора параметров, для этого

используют полный перебор параметров с оптимизацией целевой функцией, при этом использованная целевая функция считается как количество точек, попадающих в решетку с данной погрешностью времени задержки,

а результат оптимизации определяет оптимизирующий набор значений параметров, который дает наибольшее количество аннотированных липидных признаков;

формируют аннотацию с использованием оптимальной решетки, где все признаки, попавшие в предсказанное время в пределах заранее заданной погрешности, считаются аннотированными;

выводят результат аннотирования в виде таблицы, где липидным признакам сопоставлено название липида.

Документы, цитированные в отчете о поиске Патент 2021 года RU2743418C1

US 20180143187 A1, 24.05.2018
ЛОХОВ П.Г
и др
Масс-спектрометрический анализ липидома плазмы крови, как способ диагностики заболеваний, оценки эффективности и оптимизации лекарственной терапии
Биомедицинская химия
Устройство для закрепления лыж на раме мотоциклов и велосипедов взамен переднего колеса 1924
  • Шапошников Н.П.
SU2015A1
Печь для непрерывного получения сернистого натрия 1921
  • Настюков А.М.
  • Настюков К.И.
SU1A1
Способ восстановления хромовой кислоты, в частности для получения хромовых квасцов 1921
  • Ланговой С.П.
  • Рейзнек А.Р.
SU7A1
РОККА П
Калибровка параметров генетического алгоритма для задач проектирования фазированных

RU 2 743 418 C1

Авторы

Аниканов Николай Андреевич

Ванюшкина Анна Алексеевна

Стекольщикова Елена Алексеевна

Ткачев Анна Игоревна

Хайтович Филипп Ефимович

Даты

2021-02-18Публикация

2020-05-18Подача