X射线衍射数据分析系统的制作方法

本发明属于晶体结构的分析领域，具体涉及一种x射线衍射数据分析系统，通过批量处理、自动化执行及可视化分析，提高x射线衍射数据处理效率。

背景技术：

xrpd，即通常所说的x射线粉末衍射（x-raypowderdiffraction，xrpd）。通常应用于晶体结构的分析。x射线是一种电磁波,入射到晶体时在晶体中产生周期性变化的电磁场。引起原子中的电子和原子核振动，因原子核的质量很大振动忽略不计。振动着的电子是次生x射线的波源，其波长、周相与入射光相同。基于晶体结构的周期性，晶体中各个电子的散射波相互干涉相互叠加,称之为衍射。散射波周相一致相互加强的方向称衍射方向，产生衍射线。

x射线对于晶体的衍射强度是由晶体晶胞中原子的元素种类、数目及其排列方式决定的。x射线衍射技术已经成为最基本、最重要的一种结构测试手段，在材料科学、生命医学、化学化工、环境科学等众多领域发挥了积极的作用。

药物结晶在制药工艺中粒子形成，并且确定稳定性和最终剂型的药物释放性能上起着重要作用，而杂质的存在会对药品的药效产生不利影响，晶体微观结构也会影响药物性能，因此如何提高结晶纯度和质量十分重要。

当前用于x射线衍射数据分析的系统主要为针对单一数据样本进行精细的处理、加工，如精修、定量分析等，以达到求解晶体结构的目的。因此工具批量处理能力不足，单一样本处理操作成本高；对大量数据的统计分析能力不足；并发计算能力不足。

技术实现要素：

针对上述技术问题，本发明提供x射线衍射数据分析系统，操作更高效，主要应用于制药工业中，药物晶型研究环节，包括盐型的筛选、共晶的筛选、多晶型筛选及单晶培养等。主要表现为，对实验室产生的大量xrpd数据进行批量处理、加工、比对等，提高数据处理环节的效率，降低时间成本，进而加速药物研发的速度。

具体技术方案为：

x射线衍射数据分析系统，包括如下模块：

格式转换模块，基于数据来源的多样式，提供多种原始数据的数据格式转换，包含如下两种类型的数据：分子或晶体结构数据，粉末衍射数据或峰数据；

数据处理模块，用于对粉末衍射数据进行去噪、去本底减背景及数据识别；

数据分析模块，用于对粉末衍射数据进行分析；分析的内容包括寻峰、求面积、重心、积分宽、比对衍射图、聚类及指标化。

批处理模块，用于编辑工作流、运行工作流；所述的编辑工作流，定义对样本数据处理的工作流，对大量同类型的数据进行批量处理，结合人工智能，提高工作效率。

计算服务模块，利用各种算法库封装的计算单元，这些计算单元被打包发布为docker镜像，通过任务调度系统传参调用；

资源统计服务模块，提供精确到任务级的计算资源消耗统计，为成本控制提供有效依据；包括任务查询、资源统计功能。

用户认证模块，对用户信息进行认证。

本发明提供的x射线衍射数据分析系统，可以批量进行数据处理，结合人工智能技术，增强数据采集能力，是一种更高效的指标化方法，丰富的可视化分析，能有效的降低人工成本。

本发明提供的x射线衍射数据分析系统，为桌面应用程序，支持windows7或10，macos、linux等操作系统，选择相应的安装包进行安装。本发明提供检查并更新依赖。

本发明提供的x射线衍射数据分析系统，支持“批处理”功能，支持对大量样本数据进行批量处理。该功能中，主要为定义工作流、运行工作流。结合自动化操作的需求，合理设计并编写工作流文件，运行工作流。

本发明提供的x射线衍射数据分析系统，提供了自主研发的指标化方法的应用，通过云平台的任务提交、资源调度，结合“批处理”功能，实现结晶实验中分析工作的自动化。

附图说明

图1是本发明结构示意图；

图2是用户认证流程；

图3是本系统安装操作流程；

图4是初始化程序运行过程；

图5是本发明工作流-对指定样本集合中的xrpd数据进行批量寻峰并聚类示意图；

图6是本系统编辑工作流操作流程；

图7是本系统运行工作流操作流程；

图8是本系统指标化分析提交操作流程；

图9是云平台任务状态变更流程；

图10是本系统指标化分析数据可视化操作流程；

图11是渲染功能运行流程；

图12是实施例粉末衍射样本数据指标化分析数据结果；

图13是实施例推荐晶胞的峰位置比对图。

具体实施方式

结合实施例说明本发明的具体技术方案。

如附图1所示，该x射线衍射数据分析系统包括如下模块：

格式转换模块，基于数据来源的多样式，提供多种原始数据的数据格式转换，包含如下两种类型的数据：其一为分子或晶体结构数据，包括后缀为cif、res、gjf、xyz及mol等文件；其二为粉末衍射数据或峰数据，包括后缀为csv、txt、raw、braw、jip、bgr、pid、xye及3cam等文件；

数据处理模块，对粉末衍射数据进行去噪、去本底减背景及数据识别等功能，比如从非文本类数据源中提取粉末衍射数据，如专利、图片等中提取；

数据分析模块，对粉末衍射数据进行分析，包括寻峰、求面积、重心、积分宽、比对衍射图、聚类及指标化等功能；

批处理模块，包括编辑工作流、运行工作流等功能；编辑工作流，定义对样本数据处理的工作流，对大量同类型的数据进行批量处理，结合人工智能，提高工作效率；

计算服务模块，利用各种算法库封装的计算单元，比如聚类、指标化方法、数据提取等，这些计算模块被打包发布为docker镜像，通过任务调度系统（faces云计算资源调度平台，2016sr096169）传参调用；

资源统计服务模块，提供精确到任务级的计算资源消耗统计，为成本控制提供有效依据，包括任务查询、资源统计等功能；

用户认证模块，对用户信息进行认证。

如附图2所示，用户认证流程的详细步骤如下：

步骤1：启动软件。

步骤2：软件程序加载。

步骤3：用户填写登录表单，表单中包括用户账号/邮箱、密码。

步骤4：对表单信息（用户账号/邮箱、密码）进行联网验证。若错误，则提示用户“用户名/密码错误”，引导用户重新填写用户账号/邮箱、密码。若正确，则返回token并进入软件主页。

如附图3所示，本系统提供的安装流程详细步骤如下：

步骤1：获取操作系统相应安装包。

步骤2：双击安装包。

步骤3：界面引导程序启动，并提示，是否执行安装程序。若否，则关闭界面并退出程序。若是，则系统启动安装程序。

步骤4：当安装程序执行完成时，系统给出提醒“安装完成并重启本程序。”，同时关闭当前窗口，重新打开应用程序。

步骤5：安装后首次打开应用，进入初始化步骤，见图4。

步骤6：初始化过程完成，退出应用并重新启动应用。

如附图4所示，为本系统安装流程中初始化步骤程序运行流程，详细步骤如下：

步骤1：进入初始化步骤。

步骤2：检查依赖完整性。若依赖完整，则创建桌面及开始菜单快捷方式（windows）并提示“初始化步骤完成”。若依赖不完整，则提示“依赖缺失”，并联网获取依赖包。

步骤3：依赖包可能是多个包，每当获取完整包后即执行安装依赖，直至依赖完整。

多晶型筛选、评估与选择环节，旨在筛选出在物理化学稳定性、溶解度、溶出速率及生物利用度，以及工艺可开发性综合性质高的优势药物晶型。另一方面，探索当前化合物的多晶型，对于药物专利的保护也有着重要的意义。在实验室，多晶型的制备有重结晶法、熔融法、升华法及粉末研磨法等，不同方法中又可以采用不同的溶剂类型、比例、结晶条件、结晶速度、辅助结晶添加物等条件，至此，会产生大量的xrpd数据，数据处理环节，则需要花费大量的时间进行数据样本的分析、一一比较，进而达到对结晶条件的人工筛选。

基于以上问题，本系统引入了“批处理”功能，对大量样本数据进行批量处理。如附图5所示，为“批处理”功能的示例。首先，基于本系统中提供的功能，需要定义完整的处理流程，保存此工作流；其次，执行，根据操作的不同，一个工作流的运行时间长度不等，等待过程中可以查看当前工作流运行状态；当工作流运行结束时，系统会给出提醒信息，此时，可以查看工作流输出的具体内容。示例中定义了一个“对指定样本集合中的xrpd数据进行批量寻峰并聚类”的工作流。对具体操作进行拆解，可以拆解为：读取指定文件目录下全部文件、样本去噪（并保存为副本）、寻峰（对样本质量进行评价，结合评价调整寻峰参数，将峰信息写入指定文件）、聚类（提交计算任务对相似度进行计算）、结果保存。

如附图6所示，为本系统提供的编辑工作流操作流程，详细步骤如下：

步骤1：选择“编辑工作流”功能；

步骤2：跟随系统指示，选择是否新建工作流。若是，则切换至编辑工作流界面。若否，则打开本地工作流存储的文件夹，选择已有工作流，同样可以进行编辑；否则，则可以退出当前功能。

步骤3：使用拖拽功能，结合需求对操作进行组织。

步骤4：点击“保存”，对编辑好的工作流进行保存。若否，则退出当前功能。若是，则输入自定义工作流名称。至此工作流编辑完成。

如附图7所示，为本系统提供的编辑工作流操作流程，详细步骤如下：

步骤1：选择“运行工作流”功能；

步骤2：系统会打开工作流存储的文件夹，展示已有工作流文件。

步骤3：选择想要运行的工作流文件。若是，则选择并单击“运行”，运行工作流。若否，则退出此功能。

人工处理xrpd数据过程中，参数调整时结合了人工经验、数值微调等。因此，结合人工智能，对此类操作进行学习，使“批处理”过程保证准确率的同时仍然可以自动执行，降低人工成本，提高并行效率。

衍射图指标化指由粉末衍射图数据出发，推算出其中的各个衍射峰对应的晶面指标的过程，是完成物相结构鉴定或测定工作的关键环节。粉末衍射图指标化具有诸多意义：1用一套晶胞参数（a、b、c、α、β、γ）能成功指标化衍射图中的所有衍射线，是确认样品是否纯相的重要依据；2可以判明样品与已知化合物是否具有相同晶型，是否属于同一固溶体系列、类同象系列；3作为测定或精修晶胞参数的必需；4指标化可以给出每个衍射峰对应的晶面指标，同时也得到了晶胞参数（a、b、c、α、β、γ），同时也可以给出晶体所属的晶系、点阵类型、可能的空间群等。

指标化对晶体结构判定具有重要意义，也是实验和预测之间的桥梁。当前最具代表性的指标化算法为尝试法、晶带法和二分法；程序为treor、ito和dicvol。结合已有的诸多指标化方法及自有算法的开发（一种晶体粉末衍射的指标化方法，201810449561.8），结合实验数据，多维度对粉末衍射数据进行评价，综合评判。如附图12所示，为一个粉末衍射样本数据指标化分析数据结果，表格中展示的为算法给出的推荐晶胞的基本信息及多维度评分，从左至右，每列数据依次为：序号、晶胞参数a、晶胞参数b、晶胞参数c、晶胞参数α、晶胞参数β、晶胞参数γ、综合打分、预估体积、空间群、晶胞相似度、对称操作数。附图13为推荐晶胞的峰位置比对图，由下至上，最下面一行为原始粉末衍射样本的峰信息，其他行为按综合打分由低到高排序，每一组推荐晶胞参数的峰信息。

如附图8所示，为本系统提供的指标化分析提交操作流程，详细步骤如下：

步骤1：选择“指标化分析”。

步骤2：选择本底粉末衍射数据，并上传。

步骤3：指标化分析需要提供用以系统判别及运作的数据，包括峰信息、晶系、程序运行参数（其他参数）。其中，基于使用频率统计，晶系、程序运行参数量类参数，本系统配置了默认参数，可以点击进行修改。

步骤4：检查信息完整性。若完整，则创建任务并提交至云平台，统一调度。若不完整，则给出缺少信息的提醒，并重复步骤3，4，直至完整性检查判断为是。

如附图9所示，为云平台任务状态变更流程，详细步骤如下：

步骤1：任务提交成功，任务状态序号1，状态说明：排队中。

步骤2：调度系统对任务进行分发，分发成功则状态序号变更为2，状态说明：排队中。

步骤3：当前云平台支持多集群，当分配至亚马逊集群，则状态序号变更为4，并开始运行任务，状态说明：运行中。若分配至其他集群，则状态序号变更为3，其他集群进行资源分配，状态说明：准备中。

步骤4：当任务运行完成时，若任务正常运行完成，则状态序号变更为5，状态说明：完成。若任务运行时发现异常，任务终止，则状态序号变更为103，状态说明：异常。

如附图10所示，为本系统提供的指标化分析数据可视化操作流程，详细步骤如下：

步骤1：选择“查看指标化分析任务列表”。

步骤2：选择任务（1个或多个）。

步骤3：选择“结果可视化”。

步骤4：弹出新窗口，并展示当前任务的全部结果列表。可以对结果进行指定属性排序、通过体积过滤、计算相似度，以上均为可选项。

步骤5：选择条目数据，选择“渲染”。

步骤6：刷新窗口页面数据，即可看到每一条目的数据及其可视化效果，滚动鼠标进行翻页查看。

如附图11所示，为渲染功能运行流程，详细步骤如下：

步骤1：结果列表数据，或对结果列表数据进行指令操作（排序、过滤、计算等）。将操作进行完整记录。

步骤2：对数据进行标准格式化操作。

步骤3：获取操作列表，查看是否存在需要计算的操作，若是，则调用本地资源进行计算，计算后结果保存。若否，则对运行操作后结果再次进行标准格式化操作。

步骤4：前端程序获取格式化数据，进行渲染。页面信息呈现。