基於血清判別哺乳動物性別的近紅外光譜分析方法與流程
2023-05-04 15:39:07
本發明屬於近紅外光譜分析技術領域，涉及一種基於血清判別哺乳動物性別的近紅外光譜分析方法。
背景技術：
性別研究是生物學的重要內容之一。哺乳動物是動物發展的最高級階段，在哺乳動物的生態管理中，性別判別是種群動態分析的一項基本工作。人類是最高級的哺乳動物，人體的性別判別是是身份識別的重要內容，在個性化服務、醫療及公共安全管理等領域均具有重要的意義。查體是一種經典的人體性別判別方法，但因為需要特殊的檢查場地和特定的檢查人員使這種方法具有一定的局限性。
技術實現要素：
本發明的目的在於提供一種基於血清判別哺乳動物性別的近紅外光譜分析方法，具有準確、操作簡便、快速、樣品無損的優點。
經研究，本發明提供如下技術方案：
基於血清判別哺乳動物性別的近紅外光譜分析方法，包括以下步驟：
(1)收集同種哺乳動物的雄性動物血清樣品和雌性動物血清樣品；
(2)設置近紅外光譜儀的解析度和掃描次數，在10000～4000cm-1掃描範圍內分別採集步驟(1)所得血清樣品的近紅外光譜；
(3)對步驟(2)所得光譜，不進行預處理或進行化學計量學預處理；
(4)在步驟(3)所得光譜數據中選擇建模光譜範圍；
(5)對步驟(4)所選光譜範圍的數據進行降維；
(6)對步驟(5)所得數據，採用化學計量學方法建立並驗證該種哺乳動物的性別判別模型；
(7)取未知性別該種哺乳動物的血清樣品，按照步驟(2)所述方法採集近紅外光譜，按照步驟(3)～(5)所述方法進行光譜的多步驟處理，然後應用步驟(6)所建模型進行哺乳動物的性別判別。
血清指血液凝固後分離得到的淡黃色透明液體或纖維蛋白原已被除去的血漿。血清為醫學檢驗的一種常用樣品。
優選的，步驟(2)中，近紅外光譜儀的解析度設置為2cm-1、4cm-1、8cm-1或16cm-1，掃描次數設置為32、64或128次。
優選的，步驟(3)中，化學計量學預處理方法為多元信號修正、標準正則變換、導數和平滑中的一種或多種組合。
步驟(4)中，所述建模光譜範圍為10000～4000cm-1中的一段或多段，可由建模軟體自動篩選或人工篩選，也可在建模軟體自動篩選的基礎上根據被分析物的近紅外特徵吸收進一步人工優化。
優選的，步驟(5)中，採用主成分分析法對步驟(4)所選光譜範圍的數據進行降維。
優選的，建模主成分數的選擇依據為其累計方差貢獻率大於85％以及步驟(6)所建判別模型的校正集正判率和驗證集正判率均大於95％。
優選的，步驟(6)中，化學計量學建模方法為判別分析法。
優選的，步驟(6)中，所建判別模型的性能由校正集正判率和驗證集正判率進行評價。
優選的，所述哺乳動物為人類。
優選的，基於血清判別人體性別的近紅外光譜分析方法，包括以下步驟：
(1)收集男性人體的血清樣品和女性人體的血清樣品；
(2)設置近紅外光譜儀的解析度為8cm-1、掃描次數為32次，在10000～4000cm-1掃描範圍內分別採集步驟(1)所得血清樣品的近紅外透射光譜；
(3)採用多元信號修正的方法對步驟(2)所得光譜進行預處理；
(4)在步驟(3)所得光譜數據中選擇9000～7300cm-1和6000～5000cm-1為建模光譜範圍；
(5)採用主成分分析法對步驟(4)所選光譜範圍的數據進行降維；
(6)對步驟(5)所得數據，以建模主成分數為3、採用判別分析法建立並驗證人體的性別判別模型，用校正集正判率和驗證集正判率評價模型的性能；
(7)取未知性別人體的血清樣品，按照步驟(2)所述方法採集近紅外透射光譜，按照步驟(3)～(5)所述方法進行光譜的多步驟處理，然後應用步驟(6)所建模型進行人體的性別判別。
本發明的有益效果在於：本發明基於血清的近紅外光譜，結合化學計量學技術，判別哺乳動物的性別，具有準確、快速的優點。
附圖說明
圖1為12個人體血清樣品的近紅外透射原始光譜圖。
圖2為本發明所建人體性別判別模型的判別圖。
具體實施方式
為了使本發明的目的、技術方案和優點更加清楚，下面結合附圖對本發明的優選實施例進行詳細的描述。
實施例1基於血清判別人體性別
1.血清樣品的採集
3位男性和9位女性共12位志願受試者於清晨空腹採集5ml靜脈血，分別置於含促凝劑的採血管中，室溫下放置待血液凝固分層，離心，取上清液即為血清樣品，逐一編號並記錄性別信息。
2.近紅外透射光譜的採集
儀器：antarisii傅立葉變換近紅外光譜儀(美國thermo公司)，配有銦鎵砷檢測器，採樣裝置為透射分析模塊，信號採集軟體為result3.0。
光譜測量條件：解析度為8cm-1，掃描次數為32次，掃描範圍為10000～4000cm-1。
光譜測量方法：取同一編號的血清樣品適量，注入儀器配置的液體樣品管(6×50mm)中，樣品注入量約為樣品管體積的2/3，將樣品管放入液體樣品管支架，再在上述光譜測量條件下測量樣品的近紅外透射光譜，每個樣品視樣品量多少重複填裝並測量2或3次，每次樣品測量前均採用相同測量條件掃描並扣除背景。
12個血清樣品的33張近紅外透射原始光譜如圖1所示。
3.光譜的預處理
用tqanalyst8.0軟體對採集的近紅外透射原始光譜進行多元信號修正的預處理。
4.建模光譜範圍的選擇
對預處理後的光譜數據，經人工篩選的建模光譜範圍為9000～7300cm-1和6000～5500cm-1。
5.光譜數據的降維
使用tqanalyst8.0軟體，採用主成分分析法在所選建模光譜範圍9000～7300cm-1和6000～5500cm-1內對預處理後的光譜數據進行降維，所選建模主成分數為3時，其累計方差貢獻率為99.6％，而且所建模型的校正集和驗證集的正判率均為100.0％。
6.判別模型的建立並驗證
將所收集的2位男性和6位女性共8位志願受試者的血清樣品作為校正集樣品，其餘1位男性和3位女性共4位志願受試者的血清樣品作為驗證集樣品。分別使用以上校正集和驗證集樣品，以建模主成分數為3，採用判別分析法建立並驗證人體的性別判別模型。結果如圖2所示，所建判別模型的校正集正判率為100.0％，驗證集正判率為100.0％，表明所建模型具有良好的判別性能，能夠使用血清樣品準確地判別人體性別。
7.未知性別人體血清樣品的分析
取未知性別人體血清樣品1個，按照上述相同方法採集樣品的近紅外透射光譜並對光譜進行多步驟處理，然後應用所建模型進行該頭髮樣品的人體性別判別，結果正確顯示其為女性。
最後說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管通過參照本發明的優選實施例已經對本發明進行了描述，但本領域技術人員應當理解，可以在形式上和細節上對其作出各種各樣的改變，而不偏離所附權利要求書所限定的本發明的保護範圍。