本发明涉及仿真领域，尤其涉及一种代谢混合物MS/MS质谱的仿真生成方法及系统。
背景技术：
代谢物是生物体内完成代谢过程的小分子有机化合物总称，其包含了丰富的生理状态信息。代谢组学基于对代谢物的整体系统性研究，可有效揭示生理现象背后的真实机理，并更为全面地展示生命体的动态状态，因此获得了越来越多的重视，被广泛应用于诸多科研与实用领域中。质谱分析(MassSpectrometry,MS)是代谢组学最为重要的研究工具之一。其中的二级质谱(MS/MS)因其可有效鉴别不同代谢物质，并准确衡量信号强度，近年来已成为主要的发展方向，其数据形式如图1和图2所示。在实际应用中，一般需分析包含多种代谢物的混合物质，其MS/MS质谱成为相关研究与开发的数据基础。
现有的代谢混合物MS/MS质谱主要由两种方法获得：
第一种是直接通过实际实验，使用质谱仪取得特定混合物样本的MS/MS质谱，这一方法可得到真实的谱线数据，是代谢组学最为重要的信息来源与支撑。但其成本较高，在不同混合物与参数条件下的质谱差异较大，难以满足相关研究的需求。
第二种是使用计算机仿真技术，根据已知的单一代谢物MS/MS质谱及理化知识，生成推定的谱数据(PutativeSpectra)。此方法成本较低，可大量产生特定参数条件下的代谢混合物仿真质谱。但准确度不高，用于研究开发可能导致错误结果。
在现有的代谢组学研究中，一般使用计算机仿真所生成的MS/MS质谱数据进行初期研发，而后再基于实验数据验证其真实性能。仿真质谱的准确程度决定了相关研究的质量与速度。
现有基于实验的代谢混合物MS/MS质谱生成方法，其缺点在于：
第一，混合物中的各种化学分子在进行二级质谱分析时会相互影响，所产生的MS/MS数据并非各单一物质谱线的简单叠加。且质谱仪参数设置不同，谱线分布也会有所差异。因此实验数据往往难以重复利用，需针对特定的研发项目，重新设计并采集所有的质谱信息，所需成本极高。
第二，某些特定的代谢混合物，例如糖尿病人的血液样本等，采集难度较大、成本较高。且在每个个体上仅能获得有限的样本量，其总数难以保证。影响了后续研究的进行。
现有基于计算机仿真的混合物MS/MS质谱生成方法，其缺点在于：
第一，现有算法往往基于各单一代谢物质谱的线性叠加，与实际情况中的非线性混合状况差异较大。当用于代谢组学研究时，容易导致模型过于简化。在真实的混合物MS/MS质谱上的分析性能不佳。
第二，现有方法所使用的噪声模型过于简单，一般为与生物信息无关的高斯噪声或编辑误差等，所生成的MS/MS仿真质谱难以反映实际情况。
因此，现有技术还有待于改进和发展。
技术实现要素：
鉴于上述现有技术的不足，本发明的目的在于提供一种代谢混合物MS/MS质谱的仿真生成方法及系统，旨在解决现有的代谢混合物MS/MS质谱生成方法要么成本高、采集难度大、要么分析性能不佳、误差大等问题。
本发明的技术方案如下：
一种代谢混合物MS/MS质谱的仿真生成方法，其中，包括步骤：
A、设所需仿真的混合物质内包含N种代谢物所述N种代谢物的真实MS/MS质谱对应为S＝{S1,S2,…Sn…,SN}，其中任意Sn＝[(m1,i1),(m2,i2),…(md,id),…]，md、id分别为第d条谱线的质核比与强度值；
B、根据每个代谢物的真实MS/MS质谱，统计每个代谢物的噪声概率模型；
C、根据每一代谢物的噪声概率模型生成Φ中相应代谢物的仿真质谱组；
D、根据所有代谢物的仿真质谱组，依次产生代谢混合物MS/MS仿真质谱；
E、设置最大生成仿真数量为L，将每次产生的代谢混合物MS/MS仿真质谱组成S*＝{S*1,S*2,…,S*L}，并作为生成结果输出。
所述的代谢混合物MS/MS质谱的仿真生成方法，其中，所述步骤B具体包括：
B1、设当前输入为第n个代谢物的真实MS/MS质谱Sn，Sn＝[(m1,i1),(m2,i2),…(md,id),…]，提取其质核比矢量为M＝[m1,m2,…]，强度矢量为I＝[i1,i2,…]；
B2、对于M中的每个质核比数值，取其小数部分，形成质核偏移矢量T＝[t1,t2,…]；
B3、计算T的均值为μT，方差为σT，从而构造质核比概率模型为正态分布N(μT,σT)；
B4、计算I的均值为μI，方差为σI，构造强度概率模型为正态分布N(μI,σI)；
B5、从而得到第n个代谢物的噪声概率模型为Pn＝[N(μT,σT),N(μI,σI)]。
所述的代谢混合物MS/MS质谱的仿真生成方法，其中，所述步骤C具体包括：
C1、设当前输入为第n个代谢物的真实MS/MS质谱Sn及噪声概率模型Pn，初始化计数器k＝1；
C2、计算Sn中质核比矢量的取值范围为R＝[min(M),max(M)]，取C为R内所有整数值所形成的矢量；
C3、对于每个c∈C，若Rc＝[c-0.5,c+0.5]范围内不包含谱线，则转至步骤C5，若Rc＝[c-0.5,c+0.5]范围内包含谱线，则进入步骤C4；
C4、对Rc内的每个谱线(md,id)增加仿真噪声得到(m*d,i*d)并替换原有的(md,id)，然后转至步骤C6；
C5、产生[0,1]范围内均匀分布的随机值r，若有r<pins，则在Rc内添加一根谱线(md,id)，其中md＝c+t，t为服从N(μT,σT)∈Pn分布的随机偏移；id为服从N(μI,σI)∈Pn分布的随机值，pins为谱线增加概率；
C6、将修改后的谱线数据存储为第n个代谢物的第k个仿真质谱S*n,k，更新计数器k＝k+1，若k<K则转至步骤C2，K为最大生成质谱数量；
C7、输出第n个代谢物的仿真质谱组为S*n＝{S*n,1,S*n,2,…,S*n,K}。
所述的代谢混合物MS/MS质谱的仿真生成方法，其中，所述步骤C4具体包括：
产生[0,1]范围内均匀分布的随机值r，若有r<pdel，则将对应谱线删除。
产生[0,1]范围内均匀分布的随机值r，若有r<pmz，则使md产生一个服从N(μT,σT)∈Pn分布的随机偏移t，有m*d＝md+t；
产生[0,1]范围内均匀分布的随机值r，若有r<pint，则使id变为一个服从N(μI,σI)∈Pn分布的新随机值i*d；
其中，pdel为谱线删除概率，pmz为质核比偏移概率，pint为强度偏移概率。
所述的代谢混合物MS/MS质谱的仿真生成方法，其中，所述步骤D具体包括：
D1、从每个代谢物的仿真质谱组S*n,n＝1,2,…,N中，各随机选择一个质谱S*n,K,k∈K，共计N个；将其中所有谱线混合，组成新的质谱矢量Sl＝[(m1,i1),(m2,i2),…]；
D2、提取Sl的质核比矢量为Ml，计算其质核比概率模型为Nl(μT,σT)；
D3、使用回归算法对Sl进行建模形成非线性模型Rl；
D4、对于Ml中的每个md，使其产生一个服从Nl(μT,σT)分布的随机偏移值t：m*d＝md+t，并使用Rl计算对应的强度值为i*d，构成新的仿真谱线(m*d,i*d)，将所有仿真谱线组成代谢混合物MS/MS仿真质谱S*l＝[(m*1,i*1),(m*2,i*2),…]，作为当前输出；
D5、更新计数器l＝l+1，若l<L则转至步骤D1。
一种代谢混合物MS/MS质谱的仿真生成系统，其中，包括：
设置模块，用于设所需仿真的混合物质内包含N种代谢物所述N种代谢物的真实MS/MS质谱对应为S＝{S1,S2,…Sn…,SN}，其中任意Sn＝[(m1,i1),(m2,i2),…(md,id),…]，md、id分别为第d条谱线的质核比与强度值；
噪声概率模型统计模块，用于根据每个代谢物的真实MS/MS质谱，统计每个代谢物的噪声概率模型；
仿真质谱组生成模块，用于根据每一代谢物的噪声概率模型生成Φ中相应代谢物的仿真质谱组；
仿真质谱产生模块，用于根据所有代谢物的仿真质谱组，依次产生代谢混合物MS/MS仿真质谱；
结果输出模块，用于设置最大生成数量为L，将每次产生的代谢混合物MS/MS仿真质谱组成S*＝{S*1,S*2,…,S*L}，并作为生成结果输出。
所述的代谢混合物MS/MS质谱的仿真生成系统，其中，所述噪声概率模型统计模块具体包括：
提取单元，用于设当前输入为第n个代谢物的真实MS/MS质谱Sn，Sn＝[(m1,i1),(m2,i2),…(md,id),…]，提取其质核比矢量为M＝[m1,m2,…]，强度矢量为I＝[i1,i2,…]；
质核偏移矢量形成单元，用于对于M中的每个质核比数值，取其小数部分，形成质核偏移矢量T＝[t1,t2,…]；
第一构造单元，用于计算T的均值为μT，方差为σT，从而构造质核比概率模型为正态分布N(μT,σT)；
第二构造单元，用于计算I的均值为μI，方差为σI，构造强度概率模型为正态分布N(μI,σI)；
噪声概率模块生成单元，用于从而得到第n个代谢物的噪声概率模型为Pn＝[N(μT,σT),N(μI,σI)]。
所述的代谢混合物MS/MS质谱的仿真生成系统，其中，所述仿真质谱组生成模块具体包括：
初始化单元，用于设当前输入为第n个代谢物的真实MS/MS质谱Sn及噪声概率模型Pn，初始化计数器k＝1；
取整单元，用于计算Sn中质核比矢量的取值范围为R＝[min(M),max(M)]，取C为R内所有整数值所形成的矢量；
判断单元，用于对于每个c∈C，若Rc＝[c-0.5,c+0.5]范围内不包含谱线，则转至增加单元，若Rc＝[c-0.5,c+0.5]范围内包含谱线，则进入替换单元；
替换单元，用于对Rc内的每个谱线(md,id)增加仿真噪声得到(m*d,i*d)并替换原有的(md,id)，然后转至存储单元；
增加单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pins，则在Rc内添加一根谱线(md,id)，其中md＝c+t，t为服从N(μT,σT)∈Pn分布的随机偏移；id为服从N(μI,σI)∈Pn分布的随机值，pins为谱线增加概率；
存储单元，用于将修改后的谱线数据存储为第n个代谢物的第k个仿真质谱S*n,k，更新计数器k＝k+1，若k<K则转至取整单元，K为最大生成质谱数量；
输出单元，用于输出第n个代谢物的仿真质谱组为S*n＝{S*n,1,S*n,2,…,S*n,K}。
所述的代谢混合物MS/MS质谱的仿真生成系统，其中，所述替换单元具体包括：
删除子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pdel，则将对应谱线删除。
质核比偏移子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pmz，则使md产生一个服从N(μT,σT)∈Pn分布的随机偏移t，有m*d＝md+t；
强度偏移子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pint，则使id变为一个服从N(μI,σI)∈Pn分布的新随机值i*d；
其中，pdel为谱线删除概率，pmz为质核比偏移概率，pint为强度偏移概率。
所述的代谢混合物MS/MS质谱的仿真生成系统，其中，所述仿真质谱产生模块具体包括：
混合单元，用于从每个代谢物的仿真质谱组S*n,n＝1,2,…,N中，各随机选择一个质谱S*n,K,k∈K，共计N个；将其中所有谱线混合，组成新的质谱矢量Sl＝[(m1,i1),(m2,i2),…]；
计算单元，用于提取Sl的质核比矢量为Ml，计算其质核比概率模型为Nl(μT,σT)；
建模单元，用于使用回归算法对Sl进行建模形成非线性模型Rl；
随机偏移单元，用于对于Ml中的每个md，使其产生一个服从Nl(μT,σT)分布的随机偏移值t：m*d＝md+t，并使用Rl计算对应的强度值为i*d，构成新的仿真谱线(m*d,i*d)，将所有仿真谱线组成代谢混合物MS/MS仿真质谱S*l＝[(m*1,i*1),(m*2,i*2),…]，作为当前输出；
更新单元，用于更新计数器l＝l+1，若l<L则转至混合单元。
有益效果：本发明不依赖于真实实验，可通过修改参数设定，大量产生所需的代谢混合物MS/MS仿真质谱，其成本极低，样本量不受采集条件限制。此外，当条件与环境变动时，也无需重新设计并进行实验；有助于提升代谢组学的研发效率。本发明使用非线性回归模型生成MS/MS仿真质谱，避免了传统算法中简单线性叠加所带来的准确性问题。此外，通过统计真实代谢质谱数据建立噪声概率模型，涵盖了现实应用中需要面临的复杂干扰情况。所生成的质谱数据更符合实际，可有效指导代谢组学的前期研发，并部分用于算法性能的验证。
附图说明
图1和图2为本发明中二级质谱的数据结构示意图。
图3为本发明一种代谢混合物MS/MS质谱的仿真生成方法较佳实施例的流程图。
图4为单一代谢物的MS/MS仿真质谱构造方法。
图5为代谢混合物MS/MS仿真质谱构造方法。
具体实施方式
本发明提供一种代谢混合物MS/MS质谱的仿真生成方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图3，图3为本发明一种代谢混合物MS/MS质谱的仿真生成方法较佳实施例的流程图，如图所示，其包括步骤：
A、设所需仿真的混合物质内包含N种代谢物Φ所述N种代谢物的真实MS/MS质谱对应为S＝{S1,S2,…Sn…,SN}，其中任意Sn＝[(m1,i1),(m2,i2),…(md,id),…]，md、id分别为第d条谱线的质核比与强度值；
B、根据每个代谢物的真实MS/MS质谱，统计每个代谢物的噪声概率模型；
C、根据每一代谢物的噪声概率模型生成Φ中相应代谢物的仿真质谱组；
D、根据所有代谢物的仿真质谱组，依次产生代谢混合物MS/MS仿真质谱；
E、设置最大生成仿真数量为L，将每次产生的代谢混合物MS/MS仿真质谱组成S*＝{S*1,S*2,…,S*L}，并作为生成结果输出。
在本发明中，以现有单一代谢物MS/MS质谱数据库中的信息为基础，通过统计其质核比(MasstoChargeRatio,m/z)与强度(Intensity)的分布，建立噪声概率模型。而后，使用编辑误差对原始谱线进行增减，并根据噪声概率模型添加仿真噪声。从而形成一组推定的代谢物MS/MS质谱。最后，使用回归模型对仿真质谱进行非线性建模，产生混合物的MS/MS仿真质谱作为算法输出结果。
在所述步骤A中，设所需仿真的混合物质内包含N种代谢物通过查询现有代谢物MS/MS质谱数据库如MassBank等，获得这N种代谢物的真实MS/MS质谱为S＝{S1,S2,…Sn…,SN}，其中任意Sn＝[(m1,i1),(m2,i2),…]，Sn∈S，md、id分别为其中第d条谱线的质核比与强度值。
所述步骤B具体包括：
B1、设当前输入为第n个代谢物的真实MS/MS质谱Sn，Sn＝[(m1,i1),(m2,i2),…(md,id),…]，提取其质核比矢量为M＝[m1,m2,…]，强度矢量为I＝[i1,i2,…]；
B2、对于M中的每个质核比数值，取其小数部分，形成质核偏移矢量T＝[t1,t2,…]；例如，若有md＝12.36∈M，则有对应td＝0.36，td∈T，td为md小数部分。
B3、计算T的均值为μT，方差为σT，从而构造质核比概率模型为正态分布N(μT,σT)；
B4、计算I的均值为μI，方差为σI，构造强度概率模型为正态分布N(μI,σI)；
B5、从而得到第n个代谢物的噪声概率模型为Pn＝[N(μT,σT),N(μI,σI)]。
如图4所示，所述步骤C具体包括：
C1、设当前输入为第n个代谢物的真实MS/MS质谱Sn及噪声概率模型Pn，初始化计数器k＝1；
C2、计算Sn中质核比矢量的取值范围为R＝[min(M),max(M)]，取C为R内所有整数值所形成的矢量；例如若R＝[0,5]，则有C＝[0,1,2,3,4,5]。
C3、对于每个c∈C，若Rc＝[c-0.5,c+0.5]范围内不包含任何实际(真实)谱线，亦即没有任何md∈M在Rc内，则转至步骤C5；若Rc＝[c-0.5,c+0.5]范围内包含谱线，则进入步骤C4；
C4、对Rc内的每个谱线(md,id)增加仿真噪声得到(m*d,i*d)并替换原有的(md,id)，然后转至步骤C6；
C5、产生[0,1]范围内均匀分布的随机值r，若有r<pins，则在Rc内添加一根噪声谱线(md,id)，其中md＝c+t，t为服从N(μT,σT)∈Pn分布的随机偏移；id为服从N(μI,σI)∈Pn分布的随机值，pins为谱线增加概率；
C6、将修改后的谱线数据存储为第n个代谢物的第k个仿真质谱S*n,k，更新计数器k＝k+1，若k<K则转至步骤C2；，K为最大生成质谱数量；
C7、输出第n个代谢物的(MS/MS)仿真质谱组为S*n＝{S*n,1,S*n,2,…,S*n,K}。
所述步骤C4具体包括：
产生[0,1]范围内均匀分布的随机值r，若有r<pdel，则将对应谱线删除。
产生[0,1]范围内均匀分布的随机值r，若有r<pmz，则使md产生一个服从N(μT,σT)∈Pn分布的随机偏移t，有m*d＝md+t。
产生[0,1]范围内均匀分布的随机值r，若有r<pint，则使id变为一个服从N(μI,σI)∈Pn分布的新随机值i*d；
其中，pdel为谱线删除概率，pmz为质核比偏移概率，pint为强度偏移概率。
如图5所示，所述步骤D具体包括：
D1、从每个代谢物的仿真质谱组S*n,n＝1,2,…,N中，各随机选择一个质谱S*n,K,k∈K，共计N个；将其中所有谱线混合，组成新的质谱矢量Sl＝[(m1,i1),(m2,i2),…]；
D2、提取Sl的质核比矢量为Ml，计算其质核比概率模型为Nl(μT,σT)；其具体方法可参见B1至B3。
D3、使用回归算法对Sl进行建模形成非线性模型Rl；例如使用支持向量机回归(SupportVectorMachineRegression,SVR)等方法来进行建模，形成非线性模型Rl。
D4、对于Ml中的每个md，使其产生一个服从Nl(μT,σT)分布的随机偏移值t：m*d＝md+t，并使用Rl计算对应的强度值为i*d，构成新的仿真谱线(m*d,i*d)，将所有仿真谱线组成代谢混合物MS/MS仿真质谱S*l＝[(m*1,i*1),(m*2,i*2),…]，作为当前输出；
D5、更新计数器l＝l+1，若l<L则转至步骤D1。
基于上述方法，本发明还提供一种代谢混合物MS/MS质谱的仿真生成系统较佳实施例，其包括：
设置模块，用于设所需仿真的混合物质内包含N种代谢物所述N种代谢物的真实MS/MS质谱对应为S＝{S1,S2,…Sn…,SN}，其中任意Sn＝[(m1,i1),(m2,i2),…(md,id),…]，md、id分别为第d条谱线的质核比与强度值；
噪声概率模型统计模块，用于根据每个代谢物的真实MS/MS质谱，统计每个代谢物的噪声概率模型；
仿真质谱组生成模块，用于根据每一代谢物的噪声概率模型生成Φ中相应代谢物的仿真质谱组；
仿真质谱产生模块，用于根据所有代谢物的仿真质谱组，依次产生代谢混合物MS/MS仿真质谱；
结果输出模块，用于设置最大生成数量为L，将每次产生的代谢混合物MS/MS仿真质谱组成S*＝{S*1,S*2,…,S*L}，并作为生成结果输出。
进一步，所述噪声概率模型统计模块具体包括：
提取单元，用于设当前输入为第n个代谢物的真实MS/MS质谱Sn，Sn＝[(m1,i1),(m2,i2),…(md,id),…]，提取其质核比矢量为M＝[m1,m2,…]，强度矢量为I＝[i1,i2,…]；
质核偏移矢量形成单元，用于对于M中的每个质核比数值，取其小数部分，形成质核偏移矢量T＝[t1,t2,…]；
第一构造单元，用于计算T的均值为μT，方差为σT，从而构造质核比概率模型为正态分布N(μT,σT)；
第二构造单元，用于计算I的均值为μI，方差为σI，构造强度概率模型为正态分布N(μI,σI)；
噪声概率模块生成单元，用于从而得到第n个代谢物的噪声概率模型为Pn＝[N(μT,σT),N(μI,σI)]。
进一步，所述仿真质谱组生成模块具体包括：
初始化单元，用于设当前输入为第n个代谢物的真实MS/MS质谱Sn及噪声概率模型Pn，初始化计数器k＝1；
取整单元，用于计算Sn中质核比矢量的取值范围为R＝[min(M),max(M)]，取C为R内所有整数值所形成的矢量；
判断单元，用于对于每个c∈C，若Rc＝[c-0.5,c+0.5]范围内不包含谱线，则转至增加单元，若Rc＝[c-0.5,c+0.5]范围内包含谱线，则进入替换单元；
替换单元，用于对Rc内的每个谱线(md,id)增加仿真噪声得到(m*d,i*d)并替换原有的(md,id)，然后转至存储单元；
增加单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pins，则在Rc内添加一根谱线(md,id)，其中md＝c+t，t为服从N(μT,σT)∈Pn分布的随机偏移；id为服从N(μI,σI)∈Pn分布的随机值，pins为谱线增加概率；
存储单元，用于将修改后的谱线数据存储为第n个代谢物的第k个仿真质谱S*n,k，更新计数器k＝k+1，若k<K则转至取整单元，K为最大生成质谱数量；
输出单元，用于输出第n个代谢物的仿真质谱组为S*n＝{S*n,1,S*n,2,…,S*n,K}。
进一步，所述替换单元具体包括：
删除子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pdel，则将对应谱线删除。
质核比偏移子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pmz，则使md产生一个服从N(μT,σT)∈Pn分布的随机偏移t，有m*d＝md+t；
强度偏移子单元，用于产生[0,1]范围内均匀分布的随机值r，若有r<pint，则使id变为一个服从N(μI,σI)∈Pn分布的新随机值i*d；
其中，pdel为谱线删除概率，pmz为质核比偏移概率，pint为强度偏移概率。
进一步，所述仿真质谱产生模块具体包括：
混合单元，用于从每个代谢物的仿真质谱组S*n,n＝1,2,…,N中，各随机选择一个质谱S*n,K,k∈K，共计N个；将其中所有谱线混合，组成新的质谱矢量Sl＝[(m1,i1),(m2,i2),…]；
计算单元，用于提取Sl的质核比矢量为Ml，计算其质核比概率模型为Nl(μT,σT)；
建模单元，用于使用回归算法对Sl进行建模形成非线性模型Rl；
随机偏移单元，用于对于Ml中的每个md，使其产生一个服从Nl(μT,σT)分布的随机偏移值t：m*d＝md+t，并使用Rl计算对应的强度值为i*d，构成新的仿真谱线(m*d,i*d)，将所有仿真谱线组成代谢混合物MS/MS仿真质谱S*l＝[(m*1,i*1),(m*2,i*2),…]，作为当前输出；
更新单元，用于更新计数器l＝l+1，若l<L则转至混合单元。
关于上述模块单元的技术细节在前面的方法中已有详述，故不再赘述。
综上所述，本发明不依赖于真实实验，可通过修改参数设定，大量产生所需的代谢混合物MS/MS仿真质谱，其成本极低，样本量不受采集条件限制。此外，当条件与环境变动时，也无需重新设计并进行实验；有助于提升代谢组学的研发效率。本发明使用非线性回归模型生成MS/MS仿真质谱，避免了传统算法中简单线性叠加所带来的准确性问题。此外，通过统计真实代谢质谱数据建立噪声概率模型，涵盖了现实应用中需要面临的复杂干扰情况。所生成的质谱数据更符合实际，可有效指导代谢组学的前期研发，并部分用于算法性能的验证。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。