使用新型轮检测算法对药物材料的GC × GC指纹进行分析:Curcuma wenyujin病例

科学领域:

• 分析化学 分析化学
• 化学测量 化学测量 化学测量
• 计算机视觉 计算机视觉

背景情况:

• 自然产品分析依赖于准确的指纹.
• 综合二维气相色谱 (GC×GC) 生成复杂的指纹数据.
• 现有的方法面临的挑战是信号噪声和精确的峰值检测.

研究的目的:

• 介绍GC×GC指纹分析的创新算法PeakCET.
• 在复杂的染色图中提高峰值检测的准确性和效率.
• 提供一种可靠的方法来评估天然产品的质量,例如Curcuma.

主要方法:

• 开发了PeakCET,结合了轮边缘跟踪和亲和传播 (AP) 集群.
• 应用了轮跟踪来减少来自信号的错误阳性.
• 利用AP集群来提高挑战性峰值的检测精度.
• 实施了跨组峰值匹配和体积百分比计算,用于样本比较.

主要成果:

• 峰值CET在分析Curcuma wenyujin产品的GC×GC指纹方面表现出有效性.
• 该算法成功地减少了假阳性,并提高了检测准确度.
• 对比分析揭示了遗传和地理因素对代谢物概况的影响.
• 在不同样本中确定了独特和共同的成分,与潜在的治疗有效性相关.

结论:

• 在GC×GC指纹分析中,PeakCET提供了显著的进步.
• 该算法为客观的Curcuma产品质量评估提供了基础.
• 计算机视觉技术对未来的二维染色图数据分析有希望.