人工神经元网络方法在色谱及毛细管电泳分离体系中的应用研究

摘要

毛细管电泳与色谱方法以及蒸馏、重结晶、溶剂萃取、化学沉淀、电解沉积、离心分离等方法构成化学学科领域内的重要分离分析方法。经过长期的发展，毛细管电泳与色谱分离分析方法已成为分析化学学科的最重要分支之一。随着现代科学技术的发展，新型高维联用的色谱和毛细管电泳仪器广泛应用于化学及分析化学领域，因而使获取大量高维化学量测数据成为可能和必然。从二十世纪七十年代起，在分析测试或化学量测中，获取大量的数据已不再是困难的一步，而更应引起重视的是对大量化学量测数据的解析及从大量化学量测数据集中提取有用信息。同样的问题也发生在色谱及毛细管电泳分离分析领域。要对复杂的多维量测数据进行解析，必须借助计算机以实现许多复杂的数学方法，包括一些相关学科领域中的数据与信号处理方法。因此，化学计量学学科得以于二十世纪七十年代创立。 人工神经网络方法是化学计量学的一个重要分支。由于该方法具有较强的非线性映射能力，因而可用于非线性过程的模型化、非线性体系的多元校正分辨以及化学模式识别等方面。在色谱及毛细管电泳分离分析体系中，一般意义上来讲，非线性过程(或体系)比线性过程(或体系)更为普遍，甚至有些过程(或体系)尚难找到适宜的数学模型进行描述。在这种情况下，将神经网络方法引入色谱及毛细管电泳分离分析体系进行相关研究无疑是适宜的和必要的。目前，已有大量相关研究工作报道。 有必要指出的是，尽管人工神经网络方法的研究已取得了较大的进展，但总体来看，对神经网络方法的研究无论在应用上还是在理论上均处于初级阶段。还存在很多值得深入探讨的问题，如网络的训练速度问题、过拟合问题、网络结构与网络模型化能力等均存在不确定因素。因而，本研究工作将神经网络方法运用于色谱及毛细管电泳分离分析体系中的保留或迁移行为的模型化研究，重叠峰中相关组分的定量分析研究以及对色谱或毛细管电泳分析数据进行临床模式识别分析研究。作者在相关研究工作中，采用了不同的神经网络输入变量选择策略以提高相关神经网络的模型化能力，同时简化了神经网络结构。同时，作者还对不同神经网络模型对某些分离分析体系的模型化能力进行了比较。 本研究工作主要分为三大部分： 一、色谱或毛细管电泳中迁移或保留行为的模型化研究 1.毛细管区带电泳中电渗流与相关分离参数之间的神经网络模型化研究在该部分通过对毛细管区带电泳中某些分离操作参数进行标准正态分布模拟和主成分分析处理，借助神经网络模型较成功地预测了毛细管区带电泳中电渗流标记物的迁移时间。操作电压、毛细管温度、背景电解质溶液的酸度和离子强度作为神经网络的输入变量。所研究操作电压的范围为15kV-27kV，毛细管温度范围为20℃-30℃，背景电解质的pH范围为5.15-8.04，背景电解质的离子强度范围为0.040-0.097。同时，对神经网络输入变量进行不同前处理后所得的神经网络模型的预测能力进行了比较。在相同的电泳操作条件下，根据所建议的电渗流预测方法，电渗流标记物的迁移时间的10次优化神经网络模型的平均预测误差为5.46％，相对标准偏差(RSDn-1)为1.76％。在不同的电泳操作条件下，根据所建议的电渗流预测方法，10次优化神经网络模型的平均预测误差为12.95％，相对标准偏差(RSDn-1)为2.29％。研究结果表明，所建议的方法可以较好地预测毛细管区带电泳中的电渗流。 2.人工神经网络方法用于拓扑指数Am与烃类化合物气相色谱保留指数相关性的研究 在该部分，新发展的分子拓扑指数Am1-Am3和分子联接性指数mX被用于结构-性质相关性研究中。由一些烃类化合物的化学结构计算所得的分子拓扑指数被用以描述分子结构。运用人工神经网络方法与多元线性回归模型可成功预测一些烃类化合物在三种气相色谱固定相上的保留指数。人工神经网络方法的计算结果与多元线性回归模型的计算结果进行了比较。本文的研究结果表明，人工神经网络方法的模型化能力要优于多元线性回归模型。拓扑指数2X与Am1可提高烃类化合物在本文所研究的三种气相色谱固定相上的保留指数的预测准确度。 二、毛细管电泳分离分析中重叠峰中相关组分的定量分析研究 1.基于不同类型神经网络方法的毛细管电泳重叠峰中相关组分的定量分析研究在该部分，作者考察了四种神经网络模型对胶束电动毛细管色谱部分重叠峰中相关组分进行定量分析的能力的差异。所采用的相关神经网络模型为：线性神经网络模型、径向基函数神经网络模型、通用回归神经网络模型以及多层感知器神经网络模型。研究结果表明，在毛细管电泳峰部分重叠的情况下，运用以上四种神经网络模型均可对重叠峰中的相关组分进行定量分析。未完全分离组分的光谱数据或电泳谱图数据均可作为相关神经网络模型的多元输入变量，该两类数据均适宜对重叠毛细管电泳峰中的相关组分进行定量分析。该部分的研究结果还表明，线性神经网络模型可在胶束电动毛细管色谱部分重叠峰的情况下给出相关组分的最佳定量分析结果。 2.基于遗传算法输入变量选择的人工神经网络方法用于毛细管电泳重叠峰中相关组分的定量分析 在该部分，基于遗传算法输入变量选择的多层感知器人工神经网络方法用于胶束电动毛细管色谱重叠峰中相关组分的定量分析研究。在该研究工作中，作者提出了一种基于遗传算法的输入变量优化选择策略。当相关组分的毛细管电泳峰不能(或较难)仅仅通过分离技术获得完全分辨时，基于遗传算法输入变量选择的多层感知器人工神经网络方法是一种解决该类问题的适宜方法。未分离组分的光谱数据或电泳谱图数据均可用作神经网络的多元输入变量，从而均可用于对重叠毛细管电泳峰中相关组分的定量分析。研究结果还表明，运用遗传算法输入变量选择策略的多层感知器人工神经网络方法可在一定程度上提高对相关组分的定量分析准确度。无论在部分重叠或完全重叠的毛细管电泳峰的情况下均可得到相同的结论。 3.基于主成分分析输入选择的人工神经网络方法用于毛细管电泳重叠峰中相关组分的定量分析 三种基于主成分分析输入变量选择的人工神经网络方法(径向基函数人工神经网络、通用回归人工神经网络以及线性人工神经网络)用于胶束电动毛细管色谱重叠峰中相关组分的定量分析。在毛细管电泳重叠峰的情况下，基于主成分分析输入变量选择的人工神经网络方法被证明是对相关组分进行定量分析的适宜方法。未分离组分的光谱数据或电泳谱图数据均可用作相关基于主成分分析输入变量选择的神经网络的多元输入变量，进而对相关组分进行定量分析。该研究工作表明，无论在完全重叠还是在部分重叠的毛细管电泳峰的情况下，基于主成分分析的输入变量选择方法可使所考察的神经网络模型对相关组分的定量分析结果有不同程度地改善。 三、色谱或毛细管电泳分离分析体系中的模式识别分析研究 1.基于主成分分析输入变量选择的人工神经网络方法用于临床模式识别分析的研究 本文采用了两组临床样本分析数据进行神经网络模式识别分析，以研究临床尿核苷样本与肿瘤发生之间的相关关系。一组数据包含二十四个临床样本，其中十二个样本属于女性甲状腺癌患者，其余样本则采自健康女性。另一组数据则包含二十八个临床样本，在所有样本当中，宫颈癌患者与健康女性样本各有十个，其余八个样本属于子宫肌瘤患者。该两组样本中的临床尿核苷的分析由毛细管电泳方法进行。样本的模式识别分析由基于共轭梯度下降训练方法的多层感知器人工神经网络方法完成。此外，当对多层感知器神经网络模型采用基于主成分分析的输入变量选择程序时，在神经网络的结构得以简化的同时，也可使模式识别分析的正确分类率在一定程度上得以提高(或没有降低)。该部分的研究结果表明，基于主成分分析输入变量选择的多层感知器神经网络方法是进行模式识别分析的有力工具。 2.人工神经网络法用于临床数据的模式识别分析：几种不同输入变量选择方法的比较 该部分运用基于共轭梯度下将训练方法的多层感知器人工神经网络方法对一组文献报道的临床尿样气相色谱分析数据进行了模式识别分析研究。共收集临床尿样样本二十六个，其中十二个样本来自子宫肌瘤患者，其余十四个样本采集自宫颈癌患者。在每一个样本中分别测定了五十种有机酸的含量。通过运用主成分分析、逐步回归分析、前向回归分析、后向回归分析以及遗传算法等输入变量选择方法，神经网络的模式识别分析结果得到了一定程度地改善，同时神经网络的结构得以简化。研究表明，对于本文所采用的临床数据样本，运用逐步回归分析与前向回归分析进行输入变量的选择，可以得到较为理想的模式识别分析结果。

目录

文摘

英文文摘

西北大学学位论文知识产权声明书及独创性声明

第一部分文献综述

第一章人工神经网络方法在色谱及毛细管电泳中的应用研究现状

1.前言

2.神经网络方法对色谱或毛细管电泳中的保留或迁移行为的模型化研究

3.神经网络方法对色谱或毛细管电泳分离分析过程的优化及模型化

4.神经网络方法对色谱或毛细管电泳分离分析过程中的重叠峰的定量分析

5.神经网络方法对色谱或毛细管电泳分离分析过程中的模式识别研究

6.神经网络方法在色谱或毛细管电泳分离分析过程中的其它应用

7.本研究工作的主要内容及解决的问题

参考文献

第二部分理论部分

第二章本文所涉及的化学计量学方法概述

1.人工神经网络方法

2.主成分分析方法

3.遗传算法

4.回归分析

5.新型拓扑指数的计算

参考文献

第三部分毛细管电泳和色谱中迁移或保留行为的模型化研究

第三章神经网络与实验设计相结合用于毛细管区带电泳中的电渗流与相关分离参数之间的模型化研究

1.引言

2.实验部分

3.结果与讨论

4.结论

参考文献

第四章人工神经网络方法用于拓扑指数Am与烃类化合物气相色谱保留指数的相关性研究

1.引言

2.实验部分

3.结果与讨论

4.已建立的神经网络模型预测能力的考察

5.结论

参考文献

第四部分毛细管电泳重叠峰中相关组分的定量分析研究

第五章基于不同人工神经网络方法的毛细管电泳重叠峰中相关组分的定量分析：比较研究

1.引言

2.实验部分

3.结果与讨论

4.结论

参考文献

第六章基于遗传算法输入变量选择的神经网络方法用于毛细管电泳重叠峰中相关组分的定量析

1.引言

2.输入变量选择策略

3.实验部分

4.结果与讨论

5.实验样本中的浓度预测

6.结论

参考文献

第七章基于主成分分析输入变量选择的人工神经网络方法用于毛细管电泳重叠峰中相关组分的定量分析

1.引言

2.主成分分析输入选择程序

3.实验部分

4.结果与讨论

5.实验样本中相关物质浓度的预测

6.结论

参考文献

第五部分人工神经网络模式识别方法研究

第八章基于主成分分析输入选择的人工神经网络方法用于临床模式识别分析的研究

1.引言

2.主成分分析输入选择程序

3.实验部分

4.结果与讨论

5.结论

参考文献

第九章人工神经网络法用于临床数据的模式识别分析：几种不同输入变量选择方法的比较

1.引言

2.实验部分

3.结果与讨论

4.结论

附录

参考文献

攻读博士学位期间发表及待发表的学术论文

攻读博士学位期间的获奖情况

致谢