不同数据重构方法对多元曲线分辨的影响

多元曲线分辨在实际应用中能够对未知体系解析获得其中的主成分对应的纯光谱信息和浓度信息。但是当信号响应中存在非线性响应的情况下往往会出现一些难以解释的结果。为此本文分别采用主成分分析、小波变换、流形学习等线性和非线性的方法对原始数据进行重构,去除其中可能存在的干扰背景和非线性主成分,然后通过MCR的方法在特定约束条件下解析其中的主成分信息,获得更接近于真实情况的结果。本文通过MCR方法分析了重构后的宫颈癌组织切片成像和萌发种子成像数据,消除了拉曼光谱中的荧光背景的影响,也降低了一部分极强的拉曼吸收峰波段产生的非线性影响,提供了更为清晰地光谱解析结果,使光谱中更为细微的特征峰凸显出来,并提高了分析结果的可解释性。     

绿豆种子萌发进程的显微拉曼成像研究

种子萌发不同阶段内化合物的变化一直是代谢组学的研究热点。本实验基于拉曼高光谱成像研究了绿豆种子萌发过程中子叶、胚芽和胚根的变化,对绿豆萌发不同阶段的三种器官切片进行拉曼成像测试,采用多元曲线分辨交替最小二乘(MCR-ALS),得了每个主成分对应的相对浓度及其纯光谱。在对成像数据的处理中,提出主成分选择重构这一可以去除噪声的方法。结果表明,对萌发不同阶段的的绿豆子叶拉曼成像进行MCR-ALS得到的主成分可解释原光谱的比例均超过0.99,揭示了显微拉曼成像技术作为一种活体无损的检测方式对于绿豆萌发进程中代谢物研究的可行性。