利用平移不变多线性分析解锁 GC$\times$GC-TOFMS 数据分析的新能力

Paul-Albert Schneide; Michael Sorochan Armstrong; Neal Gallagher; Rasmus Bro

利用平移不变多线性分析解锁 GC$\times$GC-TOFMS 数据分析的新能力

信号处理 2024-12-18 v1 统计方法学

作者: Paul-Albert Schneide , Michael Sorochan Armstrong , Neal Gallagher , Rasmus Bro

摘要

本文引入了一种新颖的解卷积算法——平移不变多线性，显著增强了对全二维气相色谱-质谱联用仪数据的分析能力。为应对保留时间漂移和高噪声水平带来的挑战，SIML 在多变量曲线分辨率-交替最小二乘法框架内引入了基于小波的平滑和基于傅里叶变换的漂移校正。我们使用模拟和真实 GC $\times$ GC-TOFMS 数据集，将 SIML 算法与 MCR-ALS 和具有柔性耦合的平行因子分析 2（PARAFAC2 $\times$ N）等传统方法进行了基准测试。结果表明，SIML 提供了具有唯一性的解，且鲁棒性显著提高，特别是在低信噪比场景下，它能在估计质谱和浓度时保持高准确度。SIML 提升的定量分析可靠性凸显了其在环境科学、食品化学和生物研究领域的复杂基质分析中广泛应用的潜力。

关键词

GC$\times$GC-TOFMS 解卷积平移不变多线性 MCR-ALS 保留时间漂移信号处理

引用

@article{arxiv.2412.12114,
  title  = {Unlocking new capabilities in the analysis of GC$\times$GC-TOFMS data with shift-invariant multi-linearity},
  author = {Paul-Albert Schneide and Michael Sorochan Armstrong and Neal Gallagher and Rasmus Bro},
  journal= {arXiv preprint arXiv:2412.12114},
  year   = {2024}
}

备注

27 pages pages

利用平移不变多线性分析解锁 GC$\times$GC-TOFMS 数据分析的新能力

摘要

关键词

引用

备注

相关论文