- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
用于MALDI成像应用的监督非负矩阵分解方法
摘要： 动机：非负矩阵分解（NMF）是获取非负数据矩阵低秩近似值的常用工具，在机器学习领域应用广泛，例如用于支持高维分类任务中的特征提取。传统形式的NMF属于无监督方法，即在计算NMF时不使用训练数据的类别标签。然而，将分类标签纳入NMF算法能够有针对性地引导其提取与区分相应类别相关的数据模式。该方法特别适用于临床应用中质谱成像（MSI）数据的分析，例如肿瘤分型与分类——这些都属于病理学中最具挑战性的任务。因此，我们研究了通过NMF方法从MSI数据中提取肿瘤特异性光谱模式的算法。 结果：本文通过在NMF成本函数中添加适当的监督惩罚项，将先验类别标签纳入其中?；贛ALDI成像数据集的数值实验表明，相较于其他标准方法，新型监督式NMF方法能显著提升分类准确率与稳定性。
关键词： 基质辅助激光解吸电离成像、肿瘤分型、非负矩阵分解、质谱成像、监督学习
更新于2025-09-23 15:21:01
-
一种高覆盖度基质辅助激光解吸/电离质谱成像方法的开发：用于可视化丹参中功能性代谢物的空间动态变化
摘要： 对植物组织中代谢物的空间分布及动态变化进行精准分析，对于阐明植物生长发育及应对非生物/生物胁迫过程中的复杂代谢调控机制至关重要。本研究开发了一种高覆盖度的MALDI-质谱成像技术，用于可视化丹参（Salvia miltiorrhiza Bge.）中多种代谢物的空间定位。通过优化实验条件，分别选用背景干扰低、灵敏度高的1,5-二氨基萘（DAN）和1,1'-联萘-2,2'-二胺（BNDM）作为正负离子模式下的MALDI基质。研究还发现，采用丙酮进行的简易有机清洗流程可显著提升MALDI-MSI检测灵敏度。基于该方法，我们成功绘制了丹参中氨基酸、酚酸、脂肪酸、寡糖、胆碱、多胺、丹参酮类及磷脂等代谢物的空间分布图谱，并发现根与茎部部分代谢物的分布特征与植物组织结构具有良好的空间匹配性。该技术为解析植物代谢网络的空间分布特征及阐明关键代谢物的生理功能提供了新方法。
关键词： 功能性代谢物、基质辅助激光解吸电离成像、高覆盖度、丹参、空间动态变化
更新于2025-09-16 10:30:52