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！

龙图腾网恭喜兰州百源基因技术有限公司申请的专利一种基于质谱检测的稳定性监测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118711715B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411190030.3，技术领域涉及：G16C20/70；该发明授权一种基于质谱检测的稳定性监测方法及系统是由车团结;丁莉芸;张德奎;郭柏鸿;杨立;张晓慧;何荣霞;张秋宁;沈荣;冯杰;郑晓玲;辛倩;罗春华;杨淑玲;吴康莉设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种基于质谱检测的稳定性监测方法及系统在说明书摘要公布了：本发明公开了一种基于质谱检测的稳定性监测方法及系统，属于质谱稳定性监测技术领域，该监测方法具体步骤如下：P1、预处理质谱数据并提取数据特征；P2、通过三维可视化模型展示各质谱数据；P3、捕捉不同质谱数据之间的依赖关系并进行非线性降维；本发明能够根据质谱数据的不同特点自动调整算法参数，提高了模型在不同质谱数据集上的通用性和适应性，能够更好地捕捉质谱数据中的变化和趋势，增强模型在捕捉数据依赖性关系时的稳定性和可靠性，能够在多个层次上识别异常数据点，提供更精确的异常检测，提升异常检测的准确性和鲁棒性，能够高效地处理大量质谱数据，适用于高通量质谱检测环境。

本发明授权一种基于质谱检测的稳定性监测方法及系统在权利要求书中公布了：1.一种基于质谱检测的稳定性监测方法，其特征在于，该监测方法具体步骤如下：P1、预处理质谱数据并提取数据特征；P2、通过三维可视化模型展示各质谱数据；P3、捕捉不同质谱数据之间的依赖关系并进行非线性降维；P4、识别不同的稳定性状态并分析质谱数据中的群体结构；P5、对聚类结果进行建模以处理数据的多峰特性；P6、根据质谱特征和聚类结果进行实时稳定性监测；所述提取数据特征具体步骤如下：步骤一：获取质谱数据，并构建质谱图像，其中质谱图像的横轴为质荷比，纵轴为信号强度，再采用高斯滤波器对质谱数据进行平滑处理，去除噪声，并使用多项式拟合对基线进行校正；步骤二：构建N×N的窗口，并将窗口初始位置放置于质谱图像的左上角，即坐标处，之后依据需求对窗口进行横向逐点滑动或纵向逐点滑动，直至滑动至质朴图像结束；步骤三：每次滑动窗口时，收集窗口中心数据点坐标以及其余邻域数据点坐标，并计算窗口中心数据点与窗口中其余点的差值，之后根据计算得到的差值，进行二值化处理，若中心点的值大于或等于邻域点，则差值为1，否则为0；步骤四：将所有邻域点的二值化结果按顺时针或逆时针顺序组合成一个二进制数，以获取每个质谱数据点的LBP特征值，之后统计图像中所有LBP模式的出现频率，构建LBP直方图作为纹理特征向量，再将提取的LBP特征构建成数据矩阵，其中每行代表一个质谱样本，每列代表一个特征；步骤五：提取每组实验样本质谱图像中的特征峰及其强度值，将每个样本的特征强度值排列成一行，形成响应矩阵的一行，再将所有样本的特征排列组合在一起，形成完整的响应矩阵，之后计算特征矩阵和响应矩阵的协方差矩阵；步骤六：通过奇异值分解获取协方差矩阵的特征向量，并将其作为权重向量，再将原始数据投影到新的潜变量空间，以获取降维后的特征矩阵，并将降维后的特征矩阵作为此次质谱数据的数据特征；所述捕捉不同质谱数据之间的依赖关系具体步骤如下：步骤1：通过文献调研、专家咨询以及历史实验结果收集质谱检测领域知识，计算各特征之间的相关系数，并识别可能的依赖关系，再使用卡方检验方法测试特征之间的条件独立性，对特征进行聚类，获取各组特征之间的潜在关系，之后使用格兰杰因果关系检验方法识别潜在的因果关系；步骤2：将每个从质谱数据中提取的数据特征作为一个节点，根据专家意见和文献调研的结果，初步连接一些显著依赖的特征，再依据相关系数和条件独立性测试的结果，建立初始边连接，检查初始概率模型结构的合理性，根据数据统计结果和专家意见，修正初始概率模型结构；步骤3：计算当前模型结构的BIC值，即模型结构评分值，在当前模型结构中，选择一对没有直接连接的节点作为候选边，在和之间添加一条有向边或，计算新结构的BIC值，并与当前结构的BIC值进行比较；步骤4：在当前模型结构中，选择一条现有的有向边作为候选边，并模拟删除该有向边，再计算新结构的BIC值，并与当前结构的BIC值进行比较，在当前模型结构中，选择一条现有的有向边作为候选边，反转该有向边，计算新结构的BIC值，并与当前结构的BIC值进行比较；步骤5：比较添加边、删除边以及反转边操作的评分变化，选择能够最大化降低BIC值的操作，再根据最优操作更新模型结构，依据概率模型中的节点数量和边数量初始化组个体，并随机初始化每组个体位置，其中位置表示模型结构，用一个二进制矩阵表示各网络结构，矩阵元素表示边的存在与否；步骤6：对于每组个体，计算其对应模型结构的BIC值作为亮度，其中模型BIC值越小，该个体亮度值越高，比较各个体亮度值，再计算各组个体之间的距离，并将依据个体向更亮的个体移动的更新规则，调整各组个体位置，重复计算各组个体亮度值，并更新个体位置信息，直至达到预设最大迭代次数，对更新后的位置对应的模型结构进行随机扰动后，获取最终概率模型结构；步骤7：在最终概率模型通过条件独立性测试来确认特征之间的依赖关系，之后通过马尔科夫链蒙特卡洛方法对各数据特征进行概率推理，并计算某些特征的后验概率以进行预测或分类，对捕捉到的特征依赖关系进行解释，以获取特征之间的相互作用信息；所述识别不同的稳定性状态的具体步骤如下：步骤Ⅰ：获取预处理后的质谱数据集，其中表示第个质谱数据点，包含多个特征，之后选择多个初始聚类中心，再计算每个数据点到聚类中心的距离，并将各组质谱数据分配到最近的聚类中心，并更新每个聚类的中心为该聚类中所有点的平均值；步骤Ⅱ：重复寻找聚类中心，并分配质谱数据点，直到聚类中心收敛到预设阈值内，根据聚类结果，识别不属于任何主要聚类的点或处于聚类边缘的点，并将其标记为异常点；步骤Ⅲ：计算并记录未标记质谱数据点与异常数据点之间的相似度，以构建标准拉普拉斯矩阵，再对拉普拉斯矩阵进行特征值分解，得到多组最小特征值对应的特征向量，构成特征矩阵，之后设置各数据点邻域半径，以及质谱数据点成为核心点所需的最小邻居数；步骤Ⅳ：计算特征矩阵中每对数据点之间的距离，同时计算每个数据点邻域半径内的邻居数，若邻居数不小于，则该点为核心点，从一个核心点开始，将所有在邻域半径内的点加入到当前聚类中，若新加入的点也是核心点，则继续扩展，重复选择核心点并创建新聚类，直至没有新的点可加入；步骤Ⅴ：检测聚类完成后的各组质谱数据点，若一个点既不是核心点，也不是任何核心点的邻居，则该点被标记为异常点，再通过构建的概率模型计算其余每个节点的条件概率表，以及各数据点在概率模型中的联合概率以及异常概率，若异常概率高于异常阈值时，识别该点为异常点；步骤Ⅵ：对检测出的各组异常点进行解释说明，再通过报告生成模块依据用户需求通过图表的形式对各组质谱数据的检测结果，进行可视化展示，并通过短信、邮箱以及报警的方式告知用户存在稳定性异常；所述对聚类结果进行建模以处理数据的多峰特性的具体步骤如下：第一步：捕捉检测模块初始化一组空的网络图，将质谱数据点表示为网络图中的节点，并根据数据点之间的相似度或距离，构建节点之间的边，计算所有节点对之间通过边的最短路径数，即边介数，并移除边介数最大的边；第二步：移除完成后，重新计算网络图各边的边介数，并移除边介数最大的边，重复计算各边的边介数，以及移除最大边介数，直至网络图分裂为多个社团，计算每个社团的内部特征；第三步：构建高斯混合模型，定义多个高斯成分，每个成分表示一个高斯分布，再使用期望最大化算法计算数据点属于每个高斯成分的后验概率，并根据后验概率更新高斯混合模型参数；第四步：通过更新后的高斯混合模型计算每个质谱数据点的概率分布，再分析高斯混合模型中每个高斯成分，识别质谱数据的多峰特性，再根据每个高斯成分的均值和协方差，确定质谱数据的不同峰值位置和分布形态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兰州百源基因技术有限公司，其通讯地址为：730000 甘肃省兰州市城关区雁东路102号20层A01-A08；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。