一种高效液相糖化血红蛋白色谱峰面积的算法的制作方法

1.本发明涉及糖化血红蛋白色技术领域，具体涉及一种高效液相糖化血红蛋白色谱峰面积的算法。


背景技术：

2.糖化血红蛋白(hba1c)反映2-3个月的平均血糖水平，是长期血糖控制的“金标准”。临床上，hba1c是医生确定初始治疗方案以及调整治疗方案的重要依据，另外，hba1c可以预示糖尿病并发症风险，国际上两个大型循证医学研究已证明hba1c与微血管并发症、大血管并发症直接相关，验证了hba1c在糖尿病管理中的重要意义。
3.高效液相色谱法检测糖化血红蛋白的先进性根据hba1a、hba1b、la1c、hba1c、hba0、hbf等带电不同，在弱酸性条件下所带电荷性质与数量存在差异,与离子交换树脂的吸附和交换能力不同而分离。采用两种不同ph和离子强度的洗脱液(洗脱液a、洗脱液b)，可将hba1a、hba1b、la1c、hba1c、hba0、hbf分别洗脱并检测，从而计算hba1c在总hb中所占的百分比。比免疫反应检测糖化血红蛋白准确性更高。
4.糖化血红蛋白色谱峰的识别和面积的正确计算，在高压液相糖化血红蛋白检测技术中，起到关键的作用。我们需要开发一种算法，该算法需要具有良好的准确性和重复性，并该算法需要对色谱柱具有优良的包容性，即使色谱柱在柱效稍有降低时，仍然能够准确的计算结果。


技术实现要素：

5.本发明的目的在于解决或者至少缓解现有技术中存在的问题。
6.为实现以上目的，本发明通过以下技术方案予以实现：
7.一种高效液相糖化血红蛋白色谱峰面积的算法，该算法使用非对称高斯拟合算法，包括如下步骤：
8.步骤1、收集原始色谱图谱原始数据(xi,yi)；
9.步骤2、确定用于高斯拟合的原始数据的左起点序号j和右终点序号k；
10.步骤3、确定区间内的数据的最高点序号m；
11.步骤4、对左起点序号j到最高点序号m之间的数据进行镜像处理并对其进行高斯拟合；
12.步骤5、对最高点序号m到右终点序号k之间的数据进行镜像处理并对其进行高斯拟合；
13.步骤6、计算出有效的糖化血红蛋白峰面积。
14.可选地，用于高斯拟合的方程为：
[0015][0016]
式中待估参数a,c和b，分别代表的物理意义为高斯曲线的峰高、峰位置和半宽度
信息。
[0017]
可选地，为了方便c语言计算，对公式两边进行变换并代入原始数据(xi,yi)，得到的公式如下：
[0018][0019]
令lnyi＝zi,
[0020]
将上述公式化为二次多项式拟合函数；
[0021]
zi＝d0 d1xi d2x
i2
＝(1 x
i x
i2
)(d
0 d
1 d2)
t
然后根据最小二乘原理，可求得拟合常数d0，d1，d2；
[0022]
高斯分布的参数a,b,c,可以由下面的三个公式计算得到：
[0023][0024][0025][0026]
可选地，从左起点序号j到最高点序号m的数据，沿着序号为最高点序号m的轴，镜像得到另一半下降沿的数据,从而得到左右对称的原始数据yi[0027]
yi＝y
2m-i
,选择数据i》最高点序号m；
[0028]
yi＝yi,选择数据i《＝最高点序号m。
[0029]
可选地，从最高点序号m到右终点序号k的数据，沿着序号为最高点序号m的轴，镜像得到左侧一半上升沿的数据,从而得到左右对称的原始数据zi：
[0030]
zi＝y
2m-i
,选择数据i《最高点序号m；
[0031]
zi＝yi,选择数据i》＝最高点序号m。
[0032]
可选地，对左侧数据镜像之后得到的数据yi，进行高斯拟合，得到参数a0,b0,c0；然后对时间序号往左侧进行延伸，延伸量为n，也就是时间序号从左起点序号j-n开始，到最高点序号m结束，代入拟合得到的曲线公式，得到左侧高斯拟合曲线：
[0033][0034]
可选地，对右侧数据镜像之后得到的数据，进行高斯拟合，得到参数a1,b1,c1；然后对时间序号往右侧进行延伸，延伸量为n，也就是时间序号从最高点序号m开始，到右终点序号k n结束，代入拟合得到的曲线公式，得到右侧高斯拟合曲线：
[0035][0036]
可选地，所述步骤6中糖化血红蛋白峰面积计算包括如下步骤：
[0037]
a)从时间序号左起点序号j-n到最高点序号m这段区间内，序号从小到大的方向，左侧高斯拟合曲线公式的yi和原始色谱曲线yi的第一个交点的时间序号为p；记拟合高斯曲线yi从左起点序号j-n到p这儿的面积为s1；
[0038]
b)从时间序号右终点序号k n到最高点序号m这段区间内，序号从大到小的方向，右侧高斯拟合曲线公式的zi和原始色谱曲线yi的第一个交点的时间序号为q；记拟合高斯
曲线zi从右终点序号k n到q这儿的面积为s2；
[0039]
c)原始色谱曲线yi，从p到q点之间，面积为s3；
[0040]
d)糖化血红蛋白的峰面积为s＝s1 s2 s3。
[0041]
可选地，对于预设的数据窗口的左起点序号j和右终点序号k，可以根据最高点序号m的左右位置进行自动调整。
[0042]
可选地，其中参数左起点序号j，右终点序号k以及延伸量效率都是根据批量实验数据匹配之后得到的数据。
[0043]
本发明实施例提供了一种高效液相糖化血红蛋白色谱峰面积的算法。具备以下有益效果：开发一种在准确性和重复性都有优秀表现的，并且能够包容色谱柱柱效降低的一种算法。
[0044]
本发明描述的该算法具有良好的准确性和重复性，并该算法需要对色谱柱具有优良的包容性，即使色谱柱在柱效稍有降低时，仍然能够准确的计算结果。
附图说明
[0045]
图1为本发明原始吸光度波形结构示意图；
[0046]
图2为图1局部区域波形结构示意图；
[0047]
图3为图2中最高点左侧部分左右镜像波形示意图；
[0048]
图4为图3经过高斯拟合后波形示意图；
[0049]
图5为图3和图4重叠状态下示意图；
[0050]
图6为图2中最高点右侧部分左右镜像波形示意图；
[0051]
图7为图6经过高斯拟合后波形示意图；
[0052]
图8为图6和图7重叠状态下示意图；
[0053]
图9为糖化血红蛋白色谱峰面积计算用包络线示意图。
具体实施方式
[0054]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055]
参照附图1-9，一种高效液相糖化血红蛋白色谱峰面积的算法
[0056]
仪器采集得到的原始吸光度波形如图1所示，其中红色圆圈指示的是糖化血红蛋白色谱峰波形：
[0057]
根据数据收集分析得到，可以暂时设置用户高斯拟合的起始序号为左起点序号j＝435，结束序号为右终点序号k＝590。经过统计之后得到，最高点序号m的平均位置为490。本具体实施例中，最高点序号m＝490，所以没有必要让左起点序号j和右终点序号k随着最高点序号m的平均位置进行程序自动微调。
[0058]
将序号从435到590的数据提取出来，得到的波形如图2：
[0059]
从图2可以看出，这个波形是非对称的，无法简单的使用高斯拟合来处理。
[0060]
将从左起点序号j到最高点序号m的数据，在最高点序号m点，按照左右镜像，得到
图3，再经过高斯拟合得到的波形如图4所示：
[0061]
将左侧镜像后的原始数据和高斯拟合后的到的原始数据，绘制在一个坐标上，如图5所示；
[0062]
对图2中从最高点序号m到右终点序号k的数据，进行左右镜像，得到的数据如图6所示；在对图6的原始数据，进行高斯拟合，得到波形如图7所示；
[0063]
将右侧镜像后的原始数据和高斯拟合后的到的原始数据，绘制在一个坐标上，如图8所示；
[0064]
将左侧镜像原始数据和经过高斯拟合后的波形进行重叠，最左侧的交点为p；右侧镜像原始数据和经过高斯拟合后的波形重叠，最左侧的交点为q。糖化血红蛋白色谱峰面积计算用到的包络线如图9所示。
[0065]
描述本发明创造的工作原理及工作过程原理：
[0066]
1)、由于糖化血红蛋白的色谱峰具有左右非对称，所以峰的左半部和右半部各自镜像之后，然后再高斯拟合，再计算出来的峰面积更加接近真实的糖化血红蛋白峰面积；
[0067]
2)、色谱柱经过长时间的使用之后，会出现峰斜率下降以及拖尾现象。采用左右各自镜像的非对称高斯拟合，能够在一定程度上消除简单高斯拟合所带来的准确度问题。
[0068]
3)、本发明采用了高斯拟合算法，高斯拟合算法的原理以及基本步骤如下：
[0069]
a)所用高斯拟合方程为：
[0070][0071]
式中待估参数a,c和b，分别代表的物理意义为高斯曲线的峰高、峰位置和半宽度信息。
[0072]
b)为了方便c语言计算，对公式两边进行变换并代入原始数据(xi,yi)，得到的公式如下
[0073][0074]
令lnyi＝zi,
[0075]
公式(2)化为二次多项式拟合函数
[0076]
zi＝d0 d1xi d2x
i2
＝(1 x
i x
i2
)(d
0 d
1 d2)
t
‑‑‑‑‑‑‑‑‑
公式(3)
[0077]
然后根据最小二乘原理，可求得参数d0，d1，d2.
[0078]
高斯分布的参数a,b,c,可以由下面的三个公式计算得到
[0079][0080][0081][0082]
具体的计算过程：
[0083]
1)收集原始数据(xi,yi)，如果有必要，进行去除噪声的滤波。其中xi代表的是时间或者序号，yi代表的是图谱的吸光度。
[0084]
2)依据实验数据经验，先初步确定用于高斯拟合的原始数据的左起点序号左起点序号j和右终点序号右终点序号k，以及这个区间的最大值对应的最高点序号m。
[0085]
3)从左起点序号j到最高点序号m的数据，沿着最高点序号m的轴，镜像得到另一半下降沿的数据,从而得到左右对称的原始数据yi：
[0086]
yi＝y
2m-i
,选择数据i》最高点序号m
‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑
公式(7)；
[0087]
yi＝yi,选择数据i《＝最高点序号m
‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑
公式(8)；
[0088]
4)从最高点序号m到右终点序号k的数据，沿着最高点序号m的轴，镜像得到左侧一半上升沿的数据,从而得到左右对称的原始数据zi[0089]
zi＝y
2m-i
,选择数据i《最高点序号m
‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑
公式(9)；
[0090]
zi＝yi,选择数据i》＝最高点序号m
‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑
公式(10)；
[0091]
5)对左侧数据镜像之后得到的数据yi，进行高斯拟合，得到参数a0,b0,c0。然后对时间序号往左侧进行延伸，延伸量为n，也就是时间序号从左起点序号j-n开始，到最高点序号m结束，代入拟合得到的曲线公式(11)，得到左侧高斯拟合曲线：
[0092]
6)从对右侧数据镜像之后得到的数据，进行高斯拟合，得到参数a1,b1,c1。然后对时间序号往右侧进行延伸，延伸量为n，也就是时间序号从最高点序号m开始，到右终点序号k n结束，代入拟合得到的曲线公式(12)，得到右侧高斯拟合曲线：
[0093][0094]
7)峰面积计算：
[0095]
a)从时间序号左起点序号j-n到最高点序号m这段区间内，序号从小到大的方向，公式(11)的yi和原始色谱曲线yi的第一个交点的时间序号为p。记拟合高斯曲线yi从左起点序号j-n到p这儿的面积为s1。
[0096]
b)从时间序号右终点序号k n到最高点序号m这段区间内，序号从大到小的方向，公式(12)的zi和原始色谱曲线yi的第一个交点的时间序号为q。记拟合高斯曲线zi从右终点序号k n到q这儿的面积为s2。
[0097]
c)原始色谱波形yi，从p到q点之间，面积为s3。
[0098]
d)糖化血红蛋白的峰面积为s＝s1 s2 s3。
[0099]
8)对于预设的数据窗口的起始序号左起点序号j和结束序号右终点序号k，可以根据最高点序号m的左右位置进行自动调整。
[0100]
9)其中参数左起点序号j，右终点序号k以及延伸量都是根据批量实验数据匹配之后得到的数据。
[0101]
通过上述的算法在糖化血红蛋白色谱峰的识别和面积准确性和重复性都有优秀表现的，并且能够包容色谱柱柱效降低的一种算法。
[0102]
同时本发明描述的该算法具有良好的准确性和重复性，并该算法需要对色谱柱具有优良的包容性，即使色谱柱在柱效稍有降低时，任然能够准确的计算结果。
[0103]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0104]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。