【技術實現步驟摘要】
本專利技術屬于分析檢測領域，具體涉及一種基于機器學習模型快速篩查芬太尼類化合物的方法。
技術介紹
1、芬太尼作為一種人工合成的阿片受體激動劑，能夠選擇性激動μ受體產生鎮痛作用，鎮痛效果是嗎啡的50～100倍。但由于其具有和海洛因相似的作用，芬太尼衍生物不斷從地下實驗室被“設計”出來，成為違禁物的典型代表。我國將芬太尼類化合物的定義為化學結構與芬太尼相比，符合一個或多個條件的物質：(1)使用其他酰基替代丙酰基；(2)使用任何取代或未取代的單環芳香基團替代與氮原子直接相連的苯基；(3)哌啶環上使用烷基、烷氧基、烯基、羥基、酯基、醚基、鹵素、鹵代烷基、氨基及硝基等進行取代；(4)使用其他任意基團(氫原子外)替代苯乙基。基于其高度衍生化的結構特性，即使將現有藥物列為管控藥品，不法分子仍能對其骨架進行修飾，不斷設計合成出不在管制列表中的新芬太尼類化合物，這也就導致了因非法使用芬太尼類化合物而死亡的人數不斷增加，對社會造成極大危害。
2、我國一直重視對芬太尼類物質的管控，在1996年版的《麻醉藥品品種目錄》中，就已將12種芬太尼類物質列入國家管控目錄。面對芬太尼類物質的不斷更新，我國積極采取措施對其進行管控，2017年我國將卡芬太尼、呋喃芬太尼、丙烯酰芬太尼和戊酰芬太尼4種芬太尼類物質列入《非藥用類麻醉藥品和精神藥品管制品種增補目錄》，至2018年底我國已列管了25種芬太尼類物質和2種芬太尼前體。2019年5月1日，我國將芬太尼類物質列入《非藥用類麻醉藥品和精神藥品管制品種增補目錄》，這意味著不再單一地管制某一種芬太尼類物質，而
3、對于芬太尼類化合物的檢測，早前多使用靶向檢測的方法，但是該檢測方法主要針對于已知的芬太尼類化合物進行定性定量檢測，而對于層出不窮的新型芬太尼類化合物，仍無法進行定性或定量檢測。因此對于這些芬太尼的檢測與監管始終處于相對落后狀態。為了鑒定更廣泛的芬太尼類化合物，發現以前未報道的新芬太尼類化合物，研究人員逐漸采取非靶向的數據收集方法，比如質譜檢測技術，因分析速度快、檢測靈敏度高以及適用范圍廣，已成為芬太尼類化合物的首選非靶向分析檢測方法。但是許多芬太尼類化合物不適用于氣相色譜質譜進行檢測，而且對于熱不穩定或是難揮發性化合物分析效果不好，因此檢測效果、使用場景均收到限制。此外，非靶向采集的數據海量且復雜，如何在繁雜的數據中找到需要的信息，如何對信息進行解析也是目前非靶向分析的難點。
4、近年來，隨著計算機算力的大幅提升，機器學習領域發展迅猛，現如今機器學習模型的應用已不再局限于計算機視覺、模式識別、圖像分割等經典問題，而是廣泛滲透入各行各業的數據分析中。相比傳統的數據分析手段，機器學習模型最大的優勢在于其具有從海量數據中自動提取特定趨勢和特征的能力，擬合出與實驗數據趨勢最為合適的函數，從而對新的樣本數據進行準確預測。現有關于使用機器學習手段對芬太尼類化合物進行非靶向快速篩查識別的相關研究較少，因此，開發出一種能夠基于機器學習算法檢測芬太尼類化合物的方法，能夠高效、準確、全面檢測所有已知和/或未知芬太尼類化合物、衍生化合物以及代謝化合物，是本領域亟待解決的技術問題。
技術實現思路
1、針對上述現有技術存在的問題，本專利技術目的在于提供一種基于機器學習模型快速檢測芬太尼類化合物的方法，從而為芬太尼類化合物的監管提供依據和支持。本專利技術使用液相色譜四極桿飛行時間串聯質譜(lc-qtof?ms)，建立芬太尼類化合物的ms/ms質譜圖數據庫，利用機器學習模型對該數據庫進行學習，構建芬太尼類化合物的binning-rf二分類模型；以尿液中的芬太尼類化合物為主要研究對象，輔助采用自動磁固相萃取技術對尿液進行前處理，通過與芬太尼類化合物的機器學習模型相結合，達到快速篩查各種已知及未知的芬太尼類化合物的目的。本專利技術可以有利于加強對非法芬太尼類化合物的監管，提高預防藥物濫用的能力。
2、為實現上述目的，本專利技術提供一種基于機器學習模型快速篩查芬太尼類化合物的方法，包括如下步驟：
3、步驟1)建立芬太尼類化合物ms/ms質譜數據庫
4、收集芬太尼類化合物二級質譜數據，并進行數據預處理，得到芬太尼類化合物ms/ms質譜數據庫。芬太尼類化合物ms/ms數據庫的數據來源包含兩部分，其一為實驗室采集的二級質譜數據，其二為網絡公共數據庫中關于芬太尼類化合物的有效二級質譜數據。
5、所述實驗室采集的二級質譜數據：使用液相色譜四極桿飛行時間質譜儀(lc-qtofms質譜儀)，采集已知標準品芬太尼類化合物的ms/ms質譜數據。
6、色譜條件為：流動相a為甲酸與甲酸銨水溶液的組合，所述甲酸與甲酸銨水溶液的體積比為(1-5):1000，所述甲酸銨水溶液中甲酸銨的濃度為10-15mm；流動相b為乙腈與流動相a的組合，其中乙腈的體積百分比為90-95％；流速：0.3-0.5ml/min；采用梯度洗脫，控制進樣量：2-5μl。
7、在本專利技術的一個實施例中，流動相a：0.1％甲酸+99.9(v/v)％濃度為10mm的甲酸銨水溶液，流動相b：95(v/v)％乙腈+5％流動相a的混合溶液(0.1％甲酸+99.9(v/v)％濃度為10mm的甲酸銨水溶液)。
8、在本專利技術的一個實施例中，洗脫梯度：5％b(0min)、5％b(0.5min)、15％a(1.5min)、30％a(4min)、30％a(7.5min)、90％a(8min)、90％a(10min)、5％a(10.1min)、5％a(12min)。
9、質譜條件為：離子源esi+，氣簾氣30-35psi，離子化電壓5000-5500kv，溫度500-600℃，噴霧氣50-55psi，輔助加熱氣50-55psi，去簇電壓100-120v，錐孔電壓60-65v，質譜采集模式為ms-ida模式，一級質譜采集范圍100-1000m/z，二級質譜采集范圍為50-1000m/z。
10、在本專利技術的一個實施例中，離子源esi+，氣簾氣35psi，離子化電壓5500kv，溫度600℃，噴霧氣55psi，輔助加熱氣55psi，去簇電壓100v，錐孔電壓65v。
11、所述網絡公共數據庫的二級質譜數據：包括national?institute?of?standardsand?technology(nist)、massbank?of?north?america(mona)和highresnps網絡數據庫中已知芬太尼類化合物的ms/ms質譜圖數據。
12、將所收集到的芬太尼類化合物的化學式、inchikey、前體離子、碰撞能量、分子量等信息錄入到自建庫中，經過歸一化、數據擴增、數據清洗等數據預處理步驟后作為陽性數據集，并完成芬太尼類化合物ms/ms質譜數據庫的構建，以進行機器學習。
13、具體包括如下處理步驟：
14、1-1)數據提取：使用ms-d本文檔來自技高網...
【技術保護點】
1.一種基于機器學習模型快速篩查芬太尼類化合物的方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的方法，其特征在于，步驟1)中收集芬太尼類化合物二級質譜數據，并進行數據預處理，得到芬太尼類化合物MS/MS質譜數據庫；
3.根據權利要求2所述的方法，其特征在于，色譜條件為：流動相A為甲酸與甲酸銨水溶液的組合，所述甲酸與甲酸銨水溶液的體積比為(1-5):1000，所述甲酸銨水溶液中甲酸銨的濃度為10-15mM；流動相B為乙腈與流動相A的組合，其中乙腈的體積百分比為90-95％；
4.根據權利要求2或3所述的方法，其特征在于，將收集到的芬太尼類化合物的化學式、InChIKey、前體離子、碰撞能量、分子量、MS/MS質譜數據、加合形式和保留時間錄入到自建庫中，經過歸一化、數據擴增、數據清洗預處理步驟后，形成芬太尼類化合物MS/MS質譜數據庫。
5.根據權利要求4所述的方法，其特征在于，1-1)數據提取：使用MS-DIAL?4.60軟件對采集得到的wiff格式文件進行峰提取；
6.根據權利要求4所述的方法，其特征在于，2-
7.根據權利要求4所述的方法，其特征在于，2-2)基于CART(Classification?andRegression?Trees)算法，開發RF分類模型，通過構建和評估決策樹來確定分裂點的選擇和剪枝策略；借助基尼指數(giniindex)選擇最優特征，同時決定該特征的最優二值切分點；
8.根據權利要求7所述的方法，其特征在于，外部循環5次用于模型的算法評估，內部循環3次用于貝葉斯優化超參數；
9.根據權利要求1所述的方法，其特征在于，步驟3-1)依次使用純甲醇、5％甲醇活化磁固相萃取材料，并采用淋洗液、洗脫液處理，得到芬太尼類化合物的提取物；
10.根據權利要求1-9任一項所述方法在芬太尼類化合物的檢測與識別中的應用。
...【技術特征摘要】
1.一種基于機器學習模型快速篩查芬太尼類化合物的方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的方法，其特征在于，步驟1)中收集芬太尼類化合物二級質譜數據，并進行數據預處理，得到芬太尼類化合物ms/ms質譜數據庫；
3.根據權利要求2所述的方法，其特征在于，色譜條件為：流動相a為甲酸與甲酸銨水溶液的組合，所述甲酸與甲酸銨水溶液的體積比為(1-5):1000，所述甲酸銨水溶液中甲酸銨的濃度為10-15mm；流動相b為乙腈與流動相a的組合，其中乙腈的體積百分比為90-95％；
4.根據權利要求2或3所述的方法，其特征在于，將收集到的芬太尼類化合物的化學式、inchikey、前體離子、碰撞能量、分子量、ms/ms質譜數據、加合形式和保留時間錄入到自建庫中，經過歸一化、數據擴增、數據清洗預處理步驟后，形成芬太尼類化合物ms/ms質譜數據庫。
5.根據權利要求4所述的方法，其特征在于，1-1)數據提取：使用ms-dial?4.60軟件對采集得到的...
【專利技術屬性】
技術研發人員：鄧曉軍，汪洋，李婉麗，時長治，陳熙，
申請(專利權)人：上海體育大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。