基于压缩感知的蛋白批量测定方法
【专利摘要】本发明公开了基于压缩感知的蛋白浓度批量检测方法，包括以下步骤：步骤一，将N个待检测样本顺序排列并依次编号，将其视为蛋白浓度一维分布向量；通过计算机生成采样矩阵，采样矩阵的列数为N，采样矩阵的行数为M，根据采样矩阵行向量每一行元素的输出顺序依次从N个待测样本中取液，将每行N次取液混合作为一个采样，共得到M个采样；步骤二，将M个采样按照顺序依次进行蛋白浓度检测，测得采样矩阵中不同行向量对应的采样蛋白浓度，利用质量计算公式：m=PV，其中：m为采样蛋白的质量、P为采样蛋白的质量浓度、V为采样的液体体积；步骤三，选择稀疏变换，构成超完备字典；步骤四，利用恢复算法对N个待检测样本的蛋白浓度进行重建。
【专利说明】基于压缩感知的蛋白批量测定方法
【技术领域】
[0001] 本发明涉及一种蛋白浓度批量检测方法，特别是涉及基于压缩感知的蛋白浓度批 量检测方法。
【背景技术】
[0002] 蛋白浓度检测在各行业各领域内有着广泛的应用，如：食品检验、临床检验、医学 普查、疾病诊断、生物药物分离提纯和质量检验等。随着科技的进步，现代工农业生产中对 各种产品的生产过程有了更高的性能和技术要求，医学诊断对各种生物化学检验更加依 赖，这就需要使得蛋白浓度检测在精度、时间和检测成本上有更大的突破。蛋白浓度检测适 用于食品蛋白质含量检测、医学普查特定蛋白检测、疾病诊断特定蛋白指标检测、生物药物 蛋白含量检测等领域，但在大样本批量检测中，会由于检测次数多，耗费时间长，检测试剂 成本高等不足阻碍蛋白浓度检测的应用与推广。
[0003] 中国专利申请201310747532. 7提出了 "一种纤维连接蛋白测定试剂盒及其使用 方法"，虽然该方案具有所用试剂单一，内含的抗体效价高、亲和力好、特异性强、稳定性好、 批间差小、有效期长，且灵敏度高、检测精度高的优点，但还存在以下明显不足：一是测量N 个批量待测样本的蛋白浓度必须进行N次测量，其测量次数多，带来的系统测量误差大；二 是每次测量均需使用多种试剂，耗费较多时间，增加了蛋白浓度批量检测的成本。
[0004] 中国专利申请201010103429. 5提出了"全量程C反应蛋白检测试剂盒"，虽然该方 案具有既可以测定低含量，又可测定高含量，且灵敏度高、稳定性强、测定准确等优点，但还 存在以下明显不足：一是测量N个批量待测样本的蛋白浓度必须进行N次测量，其测量次数 多，带来的系统测量误差大；二是每次测量均需使用多种试剂，耗费较多时间，增加了蛋白 浓度批量检测的成本。
[0005] 综上所述，如何克服现有技术的不足已成为当今蛋白浓度测量【技术领域】中亟待解 决的重大难题之一。
【发明内容】
[0006] 发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供基于压缩感 知的蛋白批量测定方法。
[0007] 本发明的目的是为克服现有技术存在的不足而提供基于压缩感知的蛋白浓度批 量检测方法。
[0008] 本发明公开了基于压缩感知的蛋白浓度批量检测方法，包括以下步骤：
[0009] 步骤一，将N个待检测样本顺序排列并依次编号，将其视为蛋白浓度一维分布向 量；通过计算机生成采样矩阵，采样矩阵的列数为N，采样矩阵的行数为M，M〈〈N，根据采样 矩阵行向量每一行元素的输出顺序依次从N个待测样本中取液，将每行N次取液混合作为 一个采样，共得到Μ个采样，N个待测样本中每次的取液量最小为0 ;
[0010] 步骤二，将Μ个采样按照顺序依次进行蛋白浓度检测，测得采样矩阵中不同行向 量对应的采样蛋白浓度，利用质量计算公式：m= PV，其中：m为采样蛋白的质量、P为采 样蛋白的质量浓度、V为采样的液体体积；
[0011] 步骤三，选择稀疏变换，构成超完备字典；
[0012] 步骤四，利用恢复算法对N个待检测样本的蛋白浓度进行重建。
[0013] 本发明中，步骤一所述生成采样矩阵的构造式为：
[0014] Φ e rmxn,
[0015] 其中，φ为采样矩阵，RMXN代表MXN维实数集，采样矩阵满足有限等距性。
[0016] 本发明中，对所述采样矩阵进行优化得到矩阵Φ3，矩阵Φ3中每个元素 φ:'.,的计算 公式如下：
[0017]
【权利要求】
1. 一种基于压缩感知的蛋白批量测定方法，其特征在于，包括以下步骤： 步骤一，将N个待检测样本顺序排列并依次编号，作为蛋白浓度一维分布向量；通过计 算机生成采样矩阵，采样矩阵的列数为N，采样矩阵的行数为M，M〈〈N ;根据采样矩阵行向量 每一行元素的输出顺序依次从N个待测样本中取液，将每行N次取液混合作为一个采样，共 得到Μ个采样，N个待测样本中每次的取液量最小为0 ;待检测样本为蛋白质溶液； 步骤二，将Μ个采样按照顺序依次进行蛋白浓度检测，测得采样矩阵中不同行向量对 应的采样蛋白浓度，利用质量计算公式计算：m= PV，其中：m为采样蛋白的质量、Ρ为采 样蛋白的质量浓度、V为采样的液体体积； 步骤三，选择稀疏变换，构成超完备字典； 步骤四，利用恢复算法对N个待检测样本的蛋白浓度进行重建。
2. 根据权利要求1所述的基于压缩感知的蛋白浓度批量检测方法，其特征在于，步骤 一所述生成采样矩阵的构造式为： Φ e Rmxn, 其中，Φ为采样矩阵，Rmxn代表MXN维实数集，采样矩阵满足有限等距性。
3. 根据权利要求2所述的基于压缩感知的蛋白浓度批量检测方法，其特征在于，对所 述采样矩阵进行优化得到矩阵Φ3，矩阵Φ3中每个元f
的计算公式如下：
Vmax为N个待测样本中的最大体积，Φ3中的每一行视为一组控制向量，max {Φ}表不 Φ矩阵中最大的一个元素，表示Φ矩阵中的第i行，第j列的元素。
4. 根据权利要求3所述的基于压缩感知的蛋白浓度批量检测方法，其特征在于，蛋白 的质量采样向量Y为对信号X执行一个压缩观测的结果，质量计算公式为Y = ΦΧ，信号X 即待测蛋白浓度X，将质量计算公式进行扩展得到：
其中，Xl，x2,...，xN分别为N个待测蛋白浓度X中的各个元素，N个待测蛋白浓度X为 N维实信号X = [Xl，x2,...，xN]T e RN，RN代表N维实数集，T为矩阵转置符号；Μ个线性投 影观测采样构成的蛋白的质量采样向量Y = [yi，y2,...，yM]T e rm，yi，y2,...，yM分别为蛋 白的质量采样向量Y中的各个元素，R M代表M维实数集；蛋白的质量采样向量Y，是指由采 样矩阵中每个行向量对应的蛋白质量浓度采样值
乘以
进行归 一化且将蛋白的质量浓度采样值
_换为蛋白的质量采样值，其中，夂为第i行向量对 应的蛋白质量浓度采样值，
即为总的Μ行向量对应的蛋白质量浓度采样值。
5. 根据权利要求4所述的基于压缩感知的蛋白浓度批量检测方法，其特征在于，步骤 三所述稀疏变换，是指从蛋白的质量采样向量Υ中恢复Ν个待测样本蛋白浓度Ν维信号X， 要求信号X为稀疏向量或信号X在一个变换域中是稀疏的。
6. 根据权利要求1所述的基于压缩感知的蛋白浓度批量检测方法，其特征在于，步骤 四所述恢复算法，是指从蛋白的质量采样向量Υ中恢复Ν个待测样本蛋白浓度Ν维信号X 是一个求解线性方程组，在Ν个待测样本蛋白浓度X稀疏或可压缩的前提下的求解欠定方 程组：
其中，Ψ为正交基字典矩阵，ΨΧ为对X向量进行稀疏变换所得的稀疏系数， argn^i||OT|代表求得在ψχ的1范数最小时对应的X向量，s. t.代表约束条件,Α08 = Φ Ψ 为CS信息算子，Θ是X在一个稀疏变换域中的投影系数，Φ为采样矩阵，X代表Ν个待测 蛋白浓度，Υ为蛋白的质量采样向量。
【文档编号】G01N9/00GK104215550SQ201410480261
【公开日】2014年12月17日 申请日期:2014年9月18日 优先权日:2014年9月18日
【发明者】朱松盛, 王伟, 李修寒, 王超, 吴小玲, 段磊, 刘宾 申请人:南京医科大学