多元線性回歸擬合獲得真實的細胞拉曼光譜的方法
【專利摘要】本發(fā)明公開了多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，包括獲取細胞的原始拉曼光譜；獲取平滑后的平滑拉曼光譜；獲取細胞中各個基元變量的基元變量拉曼光譜；初步擬合計算細胞的近似熒光背景拉曼光譜；通過多元線性擬合獲得每個基元和背景變量對應的擬合系數(shù)；細胞的熒光背景拉曼光譜最終由背景變量拉曼光譜與其對應的擬合系數(shù)的乘積之和確定；用平滑拉曼光譜減去得到的熒光背景拉曼光譜，得到真實的細胞拉曼光譜。本發(fā)明用于消除細胞拉曼光譜的背景熒光，能夠比其他方法更加精確地擬合出細胞拉曼光譜的熒光背景，實現(xiàn)細胞拉曼光譜熒光背景的快速消除，從而獲得真實的細胞拉曼光譜。
【專利說明】多元線性回歸擬合獲得真實的細胞拉曼光譜的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及細胞光學測量領(lǐng)域，具體是指多元線性回歸擬合獲得真實的細胞拉曼光譜的方法。
【背景技術(shù)】
[0002]拉曼光譜能夠定量分析細胞的組成和組成結(jié)構(gòu)，提供了大量關(guān)于組成細胞的蛋白質(zhì)、核酸、脂質(zhì)、糖原等大量生物大分子的信息，而且可以在不損傷細胞的條件下實時動態(tài)監(jiān)控細胞分子結(jié)構(gòu)變化。然后，在進行細胞拉曼光譜測量時，背景噪聲特別是熒光背景噪聲非常大。如何有效消除熒光背聲，一直是拉曼光譜應用研究中需要解決的難點問題之一。目前消除細胞拉曼熒光背景的方法包括:最小二乘法算法、多項式擬合算法和非對稱的最小二乘法算法。上述方法利用細胞拉曼光譜的強度分布輪廓，結(jié)合光譜特征進行其熒光背景擬合，經(jīng)過驗證，利用上述方法得到的細胞拉曼光譜差別比較大，說明目前的熒光背景估算方法存在較大誤差。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是提供多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，該方法操作簡單，并且能夠得到真實的細胞拉曼光譜。
[0004]本發(fā)明的上述目的通過如下技術(shù)方案來實現(xiàn)的:多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，包括如下步驟:
[0005](I)獲取細胞的原始拉曼光譜；
[0006](2)對原始拉曼光譜進行消除高頻窄帶噪聲的平滑處理，得到平滑后的平滑拉曼光譜；
[0007](3)獲取細胞中各個基元變量的基元變量拉曼光譜；
[0008](4)利用熒光背景計算方法進行估算，得到細胞的近似熒光背景拉曼光譜，作為背
景變量；
[0009](5)利用線性疊加的方法，對基元變量拉曼光譜和背景變量拉曼光譜進行線性疊加擬合平滑拉曼光譜，獲得每個基元變量以及背景變量對應的擬合系數(shù)；
[0010](6)對所有背景變量拉曼光譜進行加權(quán)疊加，得到細胞的熒光背景拉曼光譜，其中，權(quán)重系數(shù)為各個背景變量拉曼光譜對應的擬合系數(shù)；
[0011](7)用平滑拉曼光譜減去步驟(6)得到的熒光背景拉曼光譜，得到真實的細胞拉曼光譜。
[0012]本發(fā)明用于消除細胞拉曼光譜的背景熒光，能夠比其他方法更加精確地擬合出細胞拉曼光譜的熒光背景，實現(xiàn)細胞拉曼光譜熒光背景的快速消除，從而獲得真實的細胞拉曼光譜。
[0013]本發(fā)明中，所述細胞的基元變量包括肌動蛋白、白蛋白、三油酸甘油酯、磷脂酰膽堿、DNA、RNA和糖原。[0014]本發(fā)明中，所述步驟(2)中對原始拉曼光譜進行消除高頻窄帶噪聲的平滑處理所使用的方法是Savitzky-golay平滑處理法，Savitzky-golay平滑就是卷積平滑。
[0015]本發(fā)明中，所述步驟(4)中熒光背景計算方法采用最小二乘算法和多項式擬合算法。
[0016]本發(fā)明綜合了組成細胞基本生化成分的拉曼光譜和現(xiàn)有細胞拉曼光譜熒光背景擬合算法，對現(xiàn)有熒光背景算法估算出的近似熒光背景進行評估的基礎(chǔ)上，提出采用多元線性回歸擬合的算法，擬合得到更加準確的細胞拉曼光譜熒光背景，而且本發(fā)明能夠再做一些擴展，對拉曼光譜的應用和應用研究有一定的指導作用。
[0017]本發(fā)明所述的方法是一種包容性的方法，它提供了一個平臺，讓不同的熒光拉曼背景的計算方法都能參與其中，最后通過多元線性疊加方法對這些熒光背景的獲取方法做一個擬合，也就是說，所有熒光背景計算方法所計算的熒光背景再加權(quán)疊加得到更加精確合理的真實細胞拉曼光譜的熒光背景。
【專利附圖】

【附圖說明】
[0018]下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進一步詳細說明。
[0019]附圖1為本發(fā)明的流程框圖；
[0020]附圖2為細胞的原始拉曼光譜；
[0021]附圖3為經(jīng)過Savitzky-golay平滑后的平滑拉曼光譜；
[0022]附圖4為細胞七種基元變量的基元變量拉曼光譜；
[0023]附圖5為分別用自適應最小迭代二乘算法、五項式擬合算法和四項式擬合算法估算出3種近似熒光背景拉曼光譜；
[0024]附圖6為多元線性回歸方法擬合出的10個變量，包括7個基元變量和3個熒光背
景變量；
[0025]附圖7為利用圖6中的10個變量對圖3進行多元線性回歸擬合結(jié)果；
[0026]附圖8為扣除熒光背景拉曼光譜后的真實細胞拉曼光譜。
【具體實施方式】
[0027]本發(fā)明多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，包括如下步驟:
[0028]1、如圖1所示，包括原始細胞拉曼光譜并做平滑處理；測量7種組成細胞的基本生化成分的拉曼光譜，并作為多元線性回歸擬合的基元變量，該7種組成細胞的基本生化成分就是細胞的7種基元變量，分別是肌動蛋白、白蛋白、三油酰甘油酯、卵磷脂、DNA、RNA和糖原；獲得細胞拉曼光譜的近似熒光背景，并作為多元線性回歸擬合的背景變量；利用多元線性回歸擬合算法對近似熒光背景進行評估和再擬合計算；根據(jù)多元線性回歸擬合得到各個背景變量的擬合系數(shù)，確定最終的熒光背景；
[0029]2、未經(jīng)任何處理的原始細胞拉曼光譜如圖2所示；
[0030]3、對原始細胞拉曼光譜進行Savitzky-golay平滑處理，Savitzky-golay平滑就是卷積平滑，消除高頻窄帶噪聲，得到平滑后的平滑拉曼光譜，平滑拉曼光譜英文減縮為SS，如圖3所示；
[0031]4、圖4為組成細胞7種基元變量的基元變量拉曼光譜,該細胞的7種基元變量是指細胞的7種基本生化成分，它們已經(jīng)被證明可以有效地表征組成細胞的基本生化成分，其中a代表肌動蛋白、b代表白蛋白、c代表三油酰甘油酯、d代表卵磷脂、e代表DNA、f代表RNA、g代表糖原；
[0032]5、利用現(xiàn)有拉曼光譜熒光背景算法，估算出SS的近似熒光背景并作為多元線性回歸擬合算法中的背景變量。圖5所示分別表示用自適應最小迭代二乘算法、五項式擬合算法和四項式擬合算法估算出3種熒光背景；
[0033]6、采用多元線性回歸擬合方法，即用7個基元變量和3種熒光背景變量進行線性疊加擬合SS。圖6所示為擬合得到的10個變量，圖7所示為擬合得到的細胞拉曼光譜?？梢钥闯觯瑪M合拉曼光譜中的一些譜峰與原始拉曼光譜沒有完全重合，其主要原因是7個基元變量并不能完全表征組成細胞的所有生化成分，但是這完全不會影響對最后熒光背景的
計算結(jié)果。
[0034]7、表1所示為用多元線性擬合算法得到各個變量的擬合系數(shù)，而熒光背景的確定就用各個背景變量與其對應的擬合系數(shù)的乘積之和來確定；
[0035]表1:用多元線性回歸方法擬合出的各變量擬合系數(shù)和熒光背景
[0036]
【權(quán)利要求】
1.多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，包括如下步驟: (1)獲取細胞的原始拉曼光譜； (2)對原始拉曼光譜進行消除高頻窄帶噪聲的平滑處理，得到平滑后的平滑拉曼光譜； (3)獲取細胞中各個基元變量的基元變量拉曼光譜； (4)利用熒光背景計算方法進行估算，得到細胞的近似熒光背景拉曼光譜，作為背景變量; (5)利用線性疊加的方法，對基元變量拉曼光譜和近似熒光背景拉曼光譜進行線性疊加擬合平滑拉曼光譜，獲得每個基元變量以及背景變量對應的擬合系數(shù)； (6)對所有背景變量拉曼光譜進行加權(quán)疊加，得到細胞的熒光背景拉曼光譜，其中，權(quán)重系數(shù)為各個背景變量拉曼光譜對應的擬合系數(shù)； (7)用平滑拉曼光譜減去步驟(6)得到的熒光背景拉曼光譜，得到真實的細胞拉曼光-1'TfeP曰。
2.根據(jù)權(quán)利要求1所述的 多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，其特征在于:所述細胞的基元變量包括肌動蛋白、白蛋白、三油酸甘油酯、磷脂酰膽堿、DNA、RNA和糖原。
3.根據(jù)權(quán)利要求1所述的多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，其特征在于:所述步驟(2)中對原始拉曼光譜進行消除高頻窄帶噪聲的平滑處理所使用的方法是卷積平滑處理法。
4.根據(jù)權(quán)利要求1所述的多元線性回歸擬合獲得真實的細胞拉曼光譜的方法，其特征在于:所述步驟(4)中熒光背景計算方法采用最小二乘算法和多項式擬合算法。
【文檔編號】G01N21/65GK103901014SQ201410085809
【公開日】2014年7月2日 申請日期:2014年3月10日 優(yōu)先權(quán)日:2014年3月10日
【發(fā)明者】鐘麗云, 蘇欣, 方少寅, 呂曉旭 申請人:華南師范大學