本发明专利技术公开了基于深度学习鉴定或辅助鉴定水中新污染物的方法、装置和计算机可读存储介质。本发明专利技术首先对已知化合物的质谱信息和结构信息进行预处理并将其转换为具有序列特征的数据形式，在此基础上构建从序列到序列的深度学习模型，根据预测结果建立与化合物信息库匹配的分析方法，从而对化合物结构进行预测，实现不依赖于标准品的未知污染物的识别和确认。通过按照样品采集规范对典型流域的地表水样品进行采集，使用UPLC‑HRMS开展非靶向分析，应用本发明专利技术方法中建立的深度学习模型对样品中获取的质谱信息进行预测，并比对现有技术SIRIUS的预测结果，结果显示本发明专利技术建立的方法预测结果准确，可应用于水中污染物的鉴定。
【技术实现步骤摘要】
本专利技术涉及基于深度学习鉴定或辅助鉴定水中新污染物的方法、装置和计算机可读存储介质。
技术介绍
1、随着工业化和城市化的不断发展，工业、农业以及生活中的新型化学品层出不穷，这些化学品在给人类带来便利的同时，也通过各种途径进入到水环境中，从而对人类以及水生态系统造成严重威胁。水中大量未知并且能够对人类造成潜在威胁的污染物仍然可能处于监管之外。因此，如何发现并且鉴定这些新污染物一直以来都是环境污染物分析方面的热点研究问题。而非靶向分析技术的发展为新污染物的鉴定提供了可能。
2、非靶向分析技术能够利用先进的仪器分析手段实现复杂化合物的分离，并获取大量的色谱以及质谱数据，在不依赖标准品的情况下，通过数据处理、重构以及谱库检索等手段实现对新污染物的鉴定。然而，目前非靶向分析技术在质谱数据的解析上更多地依赖于商业软件，这些商业软件本质上是基于质谱库的线性匹配(如匹配峰数量、同位素丰度等)，最终仍然需要借助人工鉴定。面对海量的质谱数据，分析效率和准确率均比较低。因此，质谱解析方法的缺乏严重阻碍了水中新污染物的鉴定。
>技术实现思路本文档来自技高网...
【技术保护点】
1.鉴定或辅助鉴定化合物的方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：所述方法还包括A8化合物分子结构精确预测的步骤，所述A8具体包括如下步骤：
3.根据权利要求1或2所述的方法，其特征在于：A5所述深度学习模型构建过程中，所述Transformer机器翻译算法的损失函数使用交叉熵损失和余弦损失。
4.鉴定或辅助鉴定化合物的装置，其特征在于：所述装置包括如下模块：
5.根据权利要求4所述的装置，其特征在于：所述装置还包括B8化合物分子结构精确预测模块，所述B8具体通过包括如下步骤的方法实现：
<...
【技术特征摘要】
1.鉴定或辅助鉴定化合物的方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：所述方法还包括a8化合物分子结构精确预测的步骤，所述a8具体包括如下步骤：
3.根据权利要求1或2所述的方法，其特征在于：a5所述深度学习模型构建过程中，所述transformer机器翻译算法的损失函数使用交叉熵损失和余弦损失。
4.鉴定或辅助鉴定化合物的装置，其特征在于：所述装置包括如下模块：
5.根据权利要求4所述的装置，其特征在于：所述装置还包括b8化合物分子结构精确预测模块，所...
【专利技术属性】
技术研发人员：王东红，刘权震，徐雄，
申请(专利权)人：中国科学院生态环境研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。