用于预测离子迁移谱中的碰撞截面值的技术的制作方法

用于预测离子迁移谱中的碰撞截面值的技术
1.相关申请的交叉引用
2.本技术要求于2019年4月15日提交的美国临时专利申请号62/834,084的权益和优先权，该临时专利申请的全部内容据此以引用方式并入。
技术领域
3.本文的实施方案整体涉及处理分析数据，并且更具体地，涉及基于从样本的离子迁移分析得出的分析信息来预测碰撞截面值。


背景技术：

4.离子迁移谱或分离(ims)是广泛用于识别和定量样本内的化合物的技术。一般来讲，ims的操作方式如下：通过在存在惰性缓冲气体(例如氮气或氦气)的情况下使离子经受弱电场，从而基于气相离子的形状、尺寸和电荷来分离气相离子。当离子流动穿过ims设备的分离池或迁移池时，不同尺寸和形状的离子和惰性缓冲气体的碰撞频率将不同。在电场的影响下，离子和惰性缓冲气体之间的碰撞会产生离子的漂移时间差异(即，与碰撞频率较低的离子相比，碰撞频率较高的离子的漂移时间将会较长)。与ims相关联的特性包括漂移时间、离子迁移率、碰撞截面(ccs)或(ω)和/或减少的ccs(ω')。可将由ims分离的离子引入到质量分析仪(例如，质谱仪(ms))，以确定另外的物理化学特性，诸如质荷比(m/z)。
5.在给定的实验条件下，使用ccs识别和确认样本实验中的化合物同一性可为保留时间和串联ms信息提供正交化合物特征。然而，由于化合物文库中缺乏ccs测量结果，并且缺乏可用于快速生成理论ccs值的计算工具等原因，常规方法不适合广泛使用。因此，使用ccs评估样本组分的分析员可受益于比常规系统更有效和更高效的获得ccs值的方法。
附图说明
6.图1示出了第一操作环境的实施方案。
7.图2示出了第二操作环境的实施方案。
8.图3示出了第一逻辑流程的实施方案。
9.图4示出了各种过程的实验碰撞截面(ccs)与预测ccs的关系。
10.图5示出了各种ccs预测过程的误差百分比。
11.图6示出了根据一些实施方案的ccs预测过程的ccs预测结果。
12.图7示出了计算架构的实施方案。
13.图8描绘了示出根据单案例研究的模型漂移时间如何与经验性ccs(和其他参数)相关的若干图形。
具体实施方式
14.各种实施方案整体可能涉及用于预测碰撞截面(ccs)或(ω)的系统、方法和/或装置。在一些实施方案中，可使用结合分子建模技术与机器学习技术(包括但不限于人工智能
过程、神经网络等)的ccs预测(混合建模或混合ccs预测)过程来确定预测的ccs或减少的ccs值(pccs)。在各种实施方案中，ccs预测过程可包括为化合物的各种形式生成一个或多个pccs值，诸如不同的电荷状态、构象异构体、异构体、同量异位素等。
15.在一些实施方案中，可获得与样本或样本的一部分相关联的分析信息。在各种实施方案中，样本可包含多种组分或单一组分，诸如单个感兴趣的分子。分析信息可包括组分的各种特性、特征、描述符、元素等。例如，特性可包括单独的分子或结合了分子的已知和/或理论物理化学特性的分子的描述(例如，2d或连接性描述)。
16.在一些实施方案中，特性可以是理论的、通过分析确定的、或它们的组合。例如，在示例性实施方案中，分析信息可包括对可用于形成所感兴趣的化合物的近似分子模型的样本进行质量分析(即ims、ms、im-ms、ccs分析(即从漂移时间得出)等)而获得的数据。在各种实施方案中，近似分子模型可以是或可包括例如可提供给机器学习过程以生成pccs值的伪3d分子描述符。在一些实施方案中，近似分子模型可包括分子的2d描述、连接性描述等。可通过执行近似、粗略、缩略和/或类似的分子建模过程来生成近似分子模型，以确定分子的一组构象，该构象的时间(例如，在数秒至数分钟的级别上)显著少于使用常规技术形成完整模型所需的时间(在数小时至数天的级别上)。例如，近似分子建模过程可仅执行有限数量的建模循环，可仅确定有限数量的特性，可确定相对值、描述符、因素或其他区分元素等。在一些实施方案中，近似分子模型可包括分子的可能的能量状态、电离状态或振动状态。可将近似分子模型提供给ccs计算模型(例如，机器学习过程、神经网络、人工智能过程和/或类似模型)，该ccs计算模型用于基于(2d)分子描述符和特性(包括根据一些实施方案生成的近似分子模型)生成pccs值，以补充测量数据，从而建立预测模型。
17.ims和/或im-ms可应用于各种领域，包括但不限于药物开发(即，药物代谢和药代动力学(dmpk))、食品和环境(f&e)研究、毒理学、代谢物组学和其他“组学”研究等。例如，使用ccs(例如，旋转平均ccs)来识别和确认化合物同一性可为保留时间和ms信息提供正交物理化学补充。常规系统中的至少一个限制因素是在化合物文库中缺乏ccs测量结果并且缺乏可用于从结构中快速生成理论ccs值的计算工具，该理论ccs值使用分子建模方法计算或使用基于机器学习(即，神经网络、人工智能过程等)的工具来预测。因此，一些实施方案提供了一种混合模型，该混合模型将分子建模原理结合到基于机器学习的方法中，这可利用两种方法的优势。
18.在一些实施方案中，近似分子模型可用于“训练”ccs计算或确定算法、过程、模型等。在各种实施方案中，训练ccs计算算法可包括实验信息。在示例性实施方案中，训练ccs计算算法不需要实际的实验信息，或者可结合使用实验信息和非实验(例如，文库或理论信息)信息。例如，ccs值可从已知或先前确定的ccs值的文库、从复杂的从头算分子建模和ccs计算工作流等得出。
19.在各种实施方案中，ccs预测过程可包括对具有已知的ccs值的一组第一组分使用近似分子模型(单独或与其他已知的物理化学信息组合)以配置ccs计算算法，以及使用ccs计算算法来计算可能不具有已知的ccs值的一种或多种第二组分的ccs值。一般来讲，可能不需要通过实验测量第二组分的ccs值。第二组分的计算ccs值可用于优化或计划未来可能的实验。
20.在此描述中，可能阐述许多具体细节，例如部件和系统配置，以便提供对所描述的
实施方案的更透彻理解。然而，本领域的技术人员将理解，可以在没有这种具体细节的情况下实践所描述的实施方案。另外，未详细示出一些众所周知的结构、元件和其它特征，以避免不必要地使所描述的实施方案模糊。
21.在以下描述中，对“一个实施方案”、“实施方案”、“示例性实施方案”、“各种实施方案”等的引用指示所描述的技术的实施方案可包括特定特征、结构或特性，但是一个以上的实施方案可能包括该特定特征、结构或特性且并非每个实施方案都必须包括该特定特征、结构或特性。此外，一些实施方案可以具有针对其他实施方案描述的特征中的一些、全部或没有这些特征。
22.如本说明书和权利要求书中所使用的，除非另有说明，否则使用序数形容词“第一”、“第二”、“第三”等来描述元件仅表示引用元件的特定实例或相似元件的不同实例，而并不意味着暗示如此描述的元件必须在时间、空间、排序或任何其它方式上处于特定顺序。
23.图1示出了可表示一些实施方案的操作环境100的示例。如图1所示，质量分析设备105(例如，im-ms设备)可包括离子源130，其中第一离子转移区135布置在离子源130的下游。可将ims设备160布置在离子源130和第一转移区135的下游。ims设备160可包括ims阱区140和ims分离区145。可将可选的第二转移区150布置在ims设备160的下游。
24.在一些实施方案中，一个或多个下游设备或级155可以可选地布置在第二转移区150的下游。下游设备155可包括各种设备，诸如但不限于质量分析仪、质量过滤器和/或一个或多个其他分析设备。例如，下游设备155可包括渡越时间(“tof”)质量分析仪、一个或多个四极质量过滤器、一个或多个离子阱等。根据在一些实施方案中，可将ims设备160耦接在离子源130与一个或多个下游设备155之间。实施方案不限于此上下文。
25.在各种实施方案中，质量分析设备105和/或其部分可以可操作地耦接到计算设备110(参见例如图2和图7)。在一些实施方案中，计算设备110可操作以控制质量分析设备的各种功能和/或与从质量分析设备105获得的分析信息相关联的数据处理功能。例如，计算设备110可操作以确定经由质量分析设备分析的样本组分的各种物理化学特性。
26.图2示出了可表示一些实施方案的操作环境200的示例。如图2所示，操作环境200可包括分析系统205，该分析系统可用于管理例如与离子迁移谱仪器270相关联的分析信息232。在一些实施方案中，离子迁移谱仪器270可以是或可包括ims设备、im-ms设备等(参见例如图1)。在各种实施方案中，离子迁移谱仪器270可包括其他特定部件，包括但不限于色谱系统、液相色谱(lc)系统、气相色谱(gc)系统、质量分析仪系统、质量检测器系统、高效液相色谱(hplc)系统、超高效液相色谱系统、超高效液相色谱(uhplc)系统、紫外(uv)检测器、可见光检测器、固相萃取系统、样本制备系统、样本导入系统、泵系统、毛细管电泳仪器、它们的组合、它们的部件、它们的变体等。
27.在一些实施方案中，离子迁移谱仪器270可操作以执行分析并生成分析信息232。在各种实施方案中，分析信息232可包括由分析仪器因执行分析方法而生成的信息、数据、文件、图表、图形、图像、光谱、峰列表、质量值、保留时间值、浓度值、化合物识别信息等。例如，离子迁移谱仪器270可生成质量-电荷(m/z)信息、漂移时间(td)信息、离子迁移信息、ccs信息等形式的分析信息232。
28.在各种实施方案中，分析信息232可包括非实验信息，包括但不限于理论信息、已知数据的文库信息等。分析信息可包括组分的各种特性、特征、描述符、元素等。例如，特性
可包括单独的分子或结合了分子的已知和/或理论物理化学特性的分子的描述(例如，2d或连接性描述)。在一些实施方案中，特性可以是理论的、经由解析分析确定的、或它们的组合。
29.在各种实施方案中，分析系统205可包括计算设备210，该计算设备通信地耦接到离子迁移谱仪器270或以其他方式被配置成接收和存储与分析设备215相关联的分析信息232。在一些实施方案中，计算设备210可从离子迁移谱仪器270接收分析信息232的至少一部分。在各种实施方案中，计算设备210可经由网络250从数据源254a-n接收分析信息232的至少一部分。例如，离子迁移谱仪器270可操作以向计算设备210和/或计算设备210可访问的网络250上的位置(例如，云计算环境)直接提供分析信息232。
30.在一些实施方案中，计算设备210可用于控制、监测、管理或以其它方式处理离子迁移谱仪器270的各种操作功能。在一些实施方案中，计算设备210可用于通过安全或认证的连接向网络250上的位置提供分析信息232。在一些实施方案中，计算设备210可为或可包括独立计算设备，诸如个人计算机(pc)、服务器、平板计算设备、云计算设备、移动计算设备(例如，智能电话、平板计算设备等)、数据器具等。在各种实施方案中，计算设备210可为或可包括集成到离子迁移谱仪器270中以控制其操作方面的控制器或控制系统。
31.尽管图2中仅描绘了一个计算设备210，但实施方案不限于此。在各种实施方案中，相对于计算设备210所描述的功能、操作、配置、数据存储功能、应用程序、逻辑等可由一个或多个其他计算设备执行和/或存储在一个或多个其他计算设备中。仅为了进行示意性的说明，描绘了单个计算设备210以简化附图。
32.如图2所示，计算设备210可包括处理器电路220、存储器单元230和收发器260。处理器电路220通信地耦接到存储器单元230和/或收发器260。
33.处理器电路220可包括和/或可访问用于执行根据一些实施方案的过程的各种逻辑部件。例如，处理器电路220可包括和/或可访问化合物识别逻辑部件222和/或ccs预测逻辑部件224。处理电路220和/或化合物识别逻辑部件222和/或ccs预测逻辑部件224和/或它们的部分可在硬件、软件或它们的组合中实现。如在本技术中所用，术语“逻辑部件”、“部件”、“层”、“系统”、“电路”、“解码器”、“编码器”和/或“模块”旨在指计算机相关的实体，可能是硬件、硬件和软件的组合、软件或执行中的软件，它们的示例由示例性计算架构400提供。例如，逻辑、电路或层可为和/或可包括但不限于在处理器上运行的进程、处理器、硬盘驱动器、多个存储驱动器(光学和/或磁性存储介质)、对象、可执行程序、执行线程、程序、计算机、硬件电路、集成电路、专用集成电路(asic)、可编程逻辑器件(pld)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、片上系统(soc)、存储器单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组、软件部件、程序、应用程序、固件、软件模块、计算机代码、前述项的任何组合等。
34.尽管图2中将化合物识别逻辑部件222描绘为在处理器电路220内，但实施方案不限于此。此外，虽然ccs预测逻辑部件224描绘为处理器电路220的逻辑部件，但是实施方案不限于此，因为数据处理逻辑部件224可以是独立逻辑部件。例如，化合物识别逻辑部件222和/或其任何部件可位于加速器、处理器内核、接口、单个处理器管芯内，完全实现为软件应用程序(例如，化合物识别应用程序240)等。
35.存储器单元230可包括呈一个或多个较高速存储器单元形式的各种类型的计算机
predictor:a web server for predicting collision cross-section values of metabolite in metabolomics”，bioinformatics，2017,33,2235-2237)、deepccs(参见例如plante等人，“predicting ion mobility collision cross-sections using adeep neural network:deepccs”，analytical chemistry(2019年4月)。在一些实施方案中，机器学习过程可以是或可包括交叉验证(cv)过程。实施方案不限于这些示例性机器学习过程，因为本文设想了能够根据一些实施方案操作的任何机器学习过程。
40.在一些实施方案中，化合物识别应用程序240可生成实验信息的形式的分析信息232。在各种实施方案中，实验信息可包括已知化合物的化合物信息，诸如漂移时间、ccs、m/z等。已知化合物的实验信息可用作根据一些实施方案的建模过程和/或机器学习过程的一部分，以确定未知化合物的特定特征。例如，可以从利用ims-q-oatof和q-ims-oatof构形获取的基于校准行波的ims测量结果获得实验ccs数据。一般来讲，实验数据可表示至少三次技术重复测量的平均值。总而言之，此处，根据一些实施方案，代表化合物的各种加合物形式和十种化学类别的来自接近3000种不同化合物的4100个ccs值可用于模型的训练、验证和/或测试。
41.本文包括表示用于执行所公开的架构的新颖方面的示例性方法的一个或多个逻辑流程。虽然为了简化说明目的，本文所示的一种或多种方法被示出并描述为一系列的动作，但是本领域的技术人员将理解并了解，这些方法不受动作次序限制。因此，一些动作可以以不同的次序发生和/或与本文所示和所述的其他动作同时地发生。例如，本领域的技术人员将理解并了解，方法可以替代地表示为一系列的相关状态或事件，诸如在状态图中。此外，并非方法中所示的所有行为都可能是新颖实施方式所必需的。用虚线指定的框可以是逻辑流程的任选框。
42.逻辑流程可以用软件、固件、硬件或它们的任何组合来实现。在软件和固件实施方案中，逻辑流程可以由存储在非暂时性计算机可读介质或机器可读介质上的计算机可执行指令来实现。实施方案不限于此上下文。
43.图3示出了逻辑流程300的实施方案。逻辑流程300可表示由本文所述的一个或多个实施方案(诸如由计算设备110和/或设备210)执行的操作中的一些或全部操作。例如，逻辑流程300可表示根据一些实施方案的生成pccs值的操作中的一些或全部操作。
44.在框302处，逻辑流程300可接收解析数据。例如，经由离子迁移谱仪器270分析样本而得到的分析信息232可由化合物识别应用程序240访问。
45.逻辑流程300可在框304处执行近似分子建模。例如，可将分析信息(例如，漂移时间、m/z、离子迁移率等)的至少一部分提供给分子建模过程以执行近似分子建模过程。使用已知技术的完整分子建模过程需要大量的计算资源和时间(例如，在数小时至数天的范围内)来生成分子模型。因此，一些实施方案可执行近似分子建模过程，其中仅确定或执行描述符、循环等的子集。例如，常规分子建模过程可能需要x个循环或优化能量步骤；然而，一些实施方案可以仅执行n个循环，其中n《x(或甚至n《《x)。例如，x可大于100并且n可小于100。在一些实施方案中，n可以是1、2、3、4、5、10、15、20、50、100、200、250、500、1000、5000和/或在这些值中的任何两个值之间的任何值或范围(包括端值)。近似分子建模过程可生成近似分子模型，表示分子的粗略模型。在各种实施方案中，近似分子模型可包括分子的可能的形式，包括电荷状态、构象异构体状态和/或类似形式。与完整模型相比，近似分子模型
可以在更短的时间内生成，例如在数秒或数分钟的范围内。例如，可在约100毫秒(ms)、约1秒(s)、约5s、约10s、约30s、约1分钟(m)、约5m、约10m、约30m和/或在这些值中的任何两个值之间的任何值或范围(包括端值)内生成近似分子模型。
46.在一些实施方案中，可基于分析信息来确定结构(或近似结构或相对结构)。可生成的可能的构象异构体的数量可至少部分地取决于化合物的结构。此外，在一些实施方案中，结构可确定优化每种构象异构体的能量/构象所花费的时间(例如，对于刚性小分子为10s，对于更柔性/更大的分子则长达5分钟至6分钟，等等)。
47.在一些实施方案中，近似分子建模过程可生成多个分子模型，例如，每个分子模型具有不同的电荷状态或构型。例如，离子的ccs可能与离子的形状、尺寸和/或电荷状态相关。同一分子的离子可具有不同的电荷状态。因此，可生成分子的多个近似分子模型，例如，具有不同电荷状态的不同模型的多个模型。在一些实施方案中，近似分子模型可以是或可提供与样本组分相关联的(伪)分子描述符。在各种实施方案中，根据一些实施方案的机器学习过程可使用这些伪分子描述符来生成pccs值。
48.逻辑流程300可在框306处向ccs计算模型提供近似分子模型。例如，计算模型信息234可包括用于确定基于pccs的分子模型的各种机器学习过程。化合物识别应用程序240可向计算模型信息234的机器学习过程提供近似分子模型。在框308处，逻辑流程可生成pccs。例如，机器学习过程可生成包括至少一个pccs值的pccs信息236。在各种实施方案中，可为一个分子、一个近似分子模型等生成多个pccs值。例如，可针对分子的不同构象、电荷状态等生成多个pccs值。在一些实施方案中，与常规过程相比，粗略模型可用于更有效地预测ccs并且具有改善的准确度。在各种实施方案中，ccs预测过程(例如，经由机器学习或人工智能过程)可操作以基于根据一些实施方案生成的近似分子模型的伪分子描述符来生成pccs值。
49.在框310处，逻辑流程310可确定化合物信息。例如，化合物识别应用程序240可使用pccs信息236基于pccs值来确定或估计所感兴趣的分子的识别。
50.示例：混合ccs预测过程
51.根据一些实施方案执行了混合ccs预测过程。从利用ims-q-oatof和q-ims-oatof几何结构获取的基于行波的ims测量结果获得实验ccs数据。一般来讲，实验数据可表示至少三次技术重复测量的平均值。总而言之，使用代表化合物的各种加合物形式和十种化学类别的来自接近3000种不同化合物的4100个ccs值进行模型训练、验证和测试。对于分子建模，应用avogadro(obabel)和ccscalc(包括在driftscope内)以分别提供各种常数形式的结构/几何信息，以及投影近似计算结果，以及梯度提升算法以对具有特征的预测模型进行训练，该特征包括相关分子描述符以及使用分子建模方法(例如，经由近似分子建模过程)获得的结构特征。
52.使用了交叉验证(cv)策略、外部数据和多个用例，利用单电荷化合物的实验ccs数据建立并评估了混合ccs预测模型。cv结果显示优于仅基于分子量的基线模型的显著改善，其中基线模型的相对平均绝对误差从4.6％提高到非混合(仅机器学习)模型中的1.8％，并且观察到所有分子和化学类别，甚至更复杂的化学超类别诸如更难预测的苯类化合物和有机杂环化合物。
53.过程结果还与不同的常规机器学习方法进行了比较，并且显示了总体性能有所提
高。在一些实施方案中，不需要对若干模型进行训练；例如，只要采用充分多样的训练数据集，根据一些实施方案的单个模型即可产生高质量结果。
54.在最终评估中，根据一些实施方案，预测模型应用于位置异构体和同量异位分子的ccs预测的问题。在这些情况中的大多数情况下，该模型能够正确地预测分析物ccs值的等级顺序，证明了预测的ccs值可增强下游分析。为了进一步证明对下游分析的影响，使用了反映模型对同量异位分析物的辨别能力的评估度量。该度量将测量的ccs文库数据分配到同量异位箱中，并且对于该箱内的每种化合物，指定最接近的观察到的ccs值和预测的ccs值并使这些值与实际化合物的ccs值进行比较。在大多数情况下，发现最接近的预测的ccs和观察到的ccs对是实际所感兴趣的化合物，这表明结合预测的ccs值可改善对同量异位化合物的辨别。
55.图4和图5描绘了与根据一些实施方案的混合ccs预测过程相比，特定常规过程的预测的ccs结果的比较。图4描绘了各种过程的实验ccs与预测的ccs的关系。具体地讲，图形410描绘了标准ccs值，图形415描绘了第一常规ccs预测过程，图形420描绘了第二常规ccs预测过程，并且图形425描绘了根据一些实施方案的混合ccs预测过程。第一常规ccs预测过程可包括如bijlsma、lubertus等人所述的过程。“prediction of collision cross-section values for small molecules:application to pesticide residue analysis。”analytical chemistry 89 12(2017):6583-6589(“bijlsma”)。第二常规ccs工艺可包括metccs。
56.图5描绘了图形505，该图形示出了根据一些实施方案525、bijlsma520和metccs的混合ccs预测过程的ccs预测的超出2％误差容限的化合物的百分比。图形510描绘了根据一些实施方案550的实验ccs与bijlsma 540的误差百分比、实验ccs与metccs 545的误差百分比、实验ccs与混合ccs预测过程的误差百分比的信息。
57.如图4和图5所示，与常规过程(包括bijlsma和metccs)相比，混合ccs预测过程产生更准确的预测。
58.图6描绘了根据一些实施方案的使用混合ccs预测过程的替宁酸代谢物的ccs预测结果。如图6所示，pccs和实验ccs(eccs)的差异百分比小于约2％。
59.图4至图6所生成的结果是使用根据一些实施方案的不具有近似建模过程的机器学习过程来确定。
60.图8描绘了另一个示例，其中“范德华”半径用于推导3d特性。基于ai的算法继而可使用这些3d特性以用于预测ccs值。在一个示例中，可基于以下逻辑计算模型漂移时间：
61.模型漂移＝-40.0+2.0*截面面积/z
62.//碰撞截面面积(ω)是
63.//总范德华体积的函数，公式如下：
64.//w＝pi*(3/(4*pi))^(2/3)*v(2/3)＝1.209*v^(2/3)
65.ω＝1.209*math.pow(volume,(2.0/3.0))；
66.//“volume”表示每种氨基酸的“残余体积”的总和
67.//其为范德华体积，单位为
68.//立方埃
69.图8描绘了模型漂移时间(肽。模型漂移)如何与经验性ccs和其他参数相关。
70.图7示出了可能适于实现如前所述的各种实施方案的示例性计算架构700的实施方案。在各种实施方案中，计算架构700可包括或实现为电子设备的一部分。在一些实施方案中，计算架构700可代表例如实现或利用本文所述的一个或多个部件的分布式处理系统。在一些实施方案中，计算架构700可代表例如实现或利用本文所述的一种或多种技术的本文所述的分布式处理系统中的计算节点。实施方案不限于该上下文。
71.如在本技术中所用，术语“系统”和“部件”和“模块”可旨在是指与计算机相关的实体，可能是硬件、硬件和软件的组合、软件或执行中的软件，它们的示例可由示例性计算架构700提供。例如，部件可以是但可不限于是在处理器上运行的进程、处理器、硬盘驱动器、多个存储驱动器(光学和/或磁性存储介质)、对象、可执行文件、执行线程、程序和/或计算机。举例来说，在服务器上运行的应用程序和服务器两者都可以是部件。一个或多个部件可以驻留在进程和/或执行线程内，并且部件可以位于一台计算机上和/或分布在两台或更多台计算机之间。此外，部件可以通过各种类型的通信介质彼此通信地耦接以协调操作。协调可以涉及单向或双向信息交换。例如，部件可以以通过通信介质传达的信号的形式传达信息。该信息可以实现为分配给各种信号线的信号。在此类分配中，每条消息都可以是信号。然而，另外实施方案可以替代地采用数据消息。可以通过各种连接发送此类数据消息。示例性连接包括并行接口、串行接口和总线接口。
72.计算架构700包括各种通用计算元件，诸如一个或多个处理器、多核处理器，协同处理器、存储器单元、芯片组、控制器、外围设备、接口、振荡器、定时设备、视频卡、音频卡、多媒体输入/输出(i/o)部件、电源等。然而，实施方案可不限于计算架构700的实施方式。
73.如图7所示，计算架构700包括处理单元704、系统存储器706和系统总线708。处理单元704可以是各种可商购获得的处理器中的任一种，包括但不限于：和处理器；应用程序、嵌入式和安全处理器；和和处理器；ibm和cell处理器；core(2)core(2)和处理器；以及类似的处理器。双微处理器、多核处理器和其他多处理器架构也可以用作处理单元704。
74.系统总线708为系统部件提供了接口，包括但不限于将系统存储器706连接到处理单元704的接口。系统总线708可为若干类型的总线结构中的任一种，其可使用各种可商购获得的总线架构中的任一种进一步互连到存储器总线(具有或不具有存储器控制器)、外围总线和本地总线。接口适配器可经由插槽架构连接到系统总线708。示例性插槽架构可以包括但不限于加速图形端口(agp)、卡总线、(扩展)工业标准架构((e)isa)、微通道架构(mca)、nubus、外围部件互连(扩展)(pci(x))、pci express、个人计算机存储卡国际协会(pcmcia)等。
75.系统存储器706可包括呈一个或多个较高速存储器单元形式的各种类型的计算机可读存储介质，诸如只读存储器(rom)、随机存取存储器(ram)、动态ram(dram)、双数据速率dram(ddram)、同步dram(sdram)、静态ram(sram)、可编程rom(prom)、可擦除可编程rom(eprom)、电可擦除可编程rom(eeprom)、闪存存储器(即，一个或多个闪存阵列)、聚合物存储器(诸如铁电聚合物存储器、双向存储器、相变或铁电存储器)、硅-氧化物-氮化物-氧化物-硅(sonos)存储器、磁卡或光卡、设备阵列(诸如独立磁盘冗余阵列(raid)驱动器)、固态
存储器设备(例如，usb存储器、固态驱动器(ssd)以及适于存储信息的任何其他类型的存储介质。在图7所示的例示实施方案中，系统存储器706可包括非易失性存储器710和/或易失性存储器712。在一些实施方案中，系统存储器706可包括主存储器。基本输入/输出系统(bios)可存储在非易失性存储器710中。
76.计算机702可包括呈一个或多个较低速存储器单元形式的各种类型的计算机可读存储介质，包括内部(或外部)硬盘驱动器(hdd)714、用于读取或写入可移动磁盘718的磁性软盘驱动器(fdd)716，以及用于读取或写入可移动光盘722的光盘驱动器720(例如，cd-rom或dvd)。hdd 714、fdd 716和光盘驱动器720可分别通过hdd接口724、fdd接口726和光盘驱动器接口728连接到系统总线708。用于外部驱动器实施方式的hdd接口724可包括通用串行总线(usb)和电气与电子工程师协会(ieee)994接口技术中的至少一者或两者。在各种实施方案中，这些类型的存储器可不包括在主存储器或系统存储器中。
77.驱动器和相关联的计算机可读介质提供数据、数据结构、计算机可执行指令等的易失性和/或非易失性存储。例如，多个程序模块可存储在驱动器和存储器单元710、712中，包括操作系统730、一个或多个应用程序732、其他程序模块734和程序数据736。在一个实施方案中，一个或多个应用程序732、其他程序模块734和程序数据736可包括例如消息控制器104的各种应用程序和/或部件。
78.用户可通过一个或多个有线/无线输入设备(例如，键盘738和点击设备诸如鼠标740)将命令和信息输入到计算机702中。其他输入设备可以包括麦克风、红外(ir)遥控器、射频(rf)遥控器、游戏手柄、手写笔、读卡器、加密狗、指纹读卡器、手套、图形输入板、操纵杆、键盘、视网膜读取器、触摸屏(例如，电容式、电阻式等)、轨迹球、触控板、传感器、触控笔等。这些和其他输入设备通常可通过可耦接到系统总线708的输入设备接口742连接到处理单元704，但是可以通过其他接口诸如并行端口、ieee 994串行端口、游戏端口、usb端口、ir接口等进行连接。
79.监视器744或其他类型的显示设备也可以经由接口诸如视频适配器746连接到系统总线708。监视器744可以在计算机702的内部或外部。除了监视器744之外，计算机通常包括其他外围输出设备，诸如扬声器、打印机等。
80.计算机702可以经由到一个或多个远程计算机诸如远程计算机748的有线和/或无线通信使用逻辑连接在联网环境中操作。在各种实施方案中，可经由网络化环境进行一个或多个迁移。远程计算机748可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设施、对等设备或其他公共网络节点，并且通常包括相对于计算机702描述的元件中的许多或所有元件，但是为了简洁起见，可以仅示出存储器/存储设备750。所描绘的逻辑连接包括到局域网(lan)752和/或更大网络例如广域网(wan)754的有线/无线连接。此类lan和wan网络环境在办公室和公司中可能是常见的，并且促成企业范围的计算机网络，诸如内联网，它们全都可以连接到全球通信网络，例如互联网。
81.当在lan网络环境中使用时，计算机702可通过有线和/或无线通信网络接口或适配器756连接到lan 752。适配器756可促成到lan 752的有线和/或无线通信，该lan还可以包括设置在其上的无线接入点，以用于与适配器756的无线功能性通信。
82.当在wan联网环境中使用时，计算机702可包括调制解调器758，或可连接到wan 754上的通信服务器，或具有用于通过wan 754诸如通过互联网建立通信的其他方式。调制
解调器758可以是内部的或外部的以及有线和/或无线设备，其经由输入设备接口742连接到系统总线708。在联网环境中，相对于计算机702描绘的程序模块或其部分可以存储在远程存储器/存储设备750中。可理解为，所示的网络连接可以是示例性的，并且可以使用在计算机之间建立通信链路的其他手段。
83.计算机702可操作以使用ieee 802系列标准与有线和无线设备或实体(诸如操作地设置在无线通信中的无线设备(例如，ieee 802.16空中调制技术))通信。这至少包括wi-fi(或无线保真)、wimax和bluetooth
tm
无线技术等。因此，通信可以是与常规网络一样的预定义的结构，或仅是至少两个设备之间的自组织通信。wi-fi网络使用称为ieee 802.11x(a、b、g、n等)的无线电技术来提供安全、可靠、快速的无线连接性。wi-fi网络可以用于将计算机彼此连接，连接到互联网，以及连接到有线网络(使用ieee 802.3相关媒体和功能)。
84.本文中已经阐述了许多具体细节以提供对实施方案的透彻理解。然而，本领域技术人员将理解，可在没有这些具体细节的情况下实践实施方案。在其它情况下，没有详细描述众所周知的操作、部件和电路，以免混淆实施方案。可理解的是，本文中公开的具体结构和功能细节可为代表性的，并且不一定限制实施方案的范围。
85.可使用表述“耦接”和“连接”以及其派生词来描述一些实施方案。这些术语并非旨在互为同义词。例如，可使用术语“连接”和/或“耦接”来描述一些实施方案，以指示两个或更多个元件彼此直接物理或电接触。然而，术语“耦接”还可表示两个或更多个元件不彼此直接接触，但是仍然彼此协作或相互作用。
86.除非另有明确说明，否则可理解，诸如“处理”、“计算”、“运算”、“确定”等术语是指计算机或计算系统或类似电子计算设备的操作和/或过程，其将计算系统的寄存器和/或存储器内表示为物理量(例如电子)的数据处理和/或转换成类似地表示为计算系统的存储器、寄存器或其它此类信息存储装置、传输或显示装置内的物理量。实施方案不限于该上下文。
87.应当指出的是，本文所述的方法不必以所描述的次序或以任何特定的次序执行。此外，关于本文标识的方法描述的各种活动可以以串联或并行方式执行。
88.虽然在本文中已经绘示和描述了具体的实施方案，但是应当理解，预计实现相同的目的的任何布置可以替代所示出的具体的实施方案。本公开旨在涵盖各种实施方案的任何和所有改编或变化。应当理解，以上描述是以例示性方式进行，而不是限制性的。在阅读以上描述后，上述实施方案的组合以及本文未具体地描述的其他实施方案对于本领域的技术人员来说将是显而易见的。因此，各种实施方案的范围包括其中使用上述组合物、结构和方法的任何其他应用。
89.虽然已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应当理解，所附权利要求中限定的主题不一定限于以上描述的具体的特征或动作。相反，具体的特征和动作被公开为实施权利要求的示例形式。