依據(jù)譜數(shù)據(jù)的樣本分類方法、創(chuàng)建數(shù)據(jù)庫的方法和使用該數(shù)據(jù)庫的方法、以及相應(yīng)的計(jì)算 ...的制作方法
【專利摘要】本發(fā)明涉及以譜數(shù)據(jù)為基礎(chǔ)的樣本分類方法，創(chuàng)建數(shù)據(jù)庫的方法和使用該數(shù)據(jù)庫的方法，以及相應(yīng)的計(jì)算機(jī)程序，數(shù)據(jù)存儲介質(zhì)和系統(tǒng)。方法包括：a)獲得用于作為參考譜的至少兩組第一譜，每組包括屬于同一類的參考樣本譜；b)確定每個(gè)參考譜的涉及譜特征的相同的至少一個(gè)量的值；c)在確定的值的基礎(chǔ)上，關(guān)聯(lián)概率與量的不同的值；d)從樣本中獲得譜并確定該譜的相同的至少一個(gè)量的值；和e)以獲得的所述至少兩類中的每類的譜的概率和量的值為基礎(chǔ)，計(jì)算樣本屬于該類的概率。
【專利說明】依據(jù)譜數(shù)據(jù)的樣本分類方法、創(chuàng)建數(shù)據(jù)庫的方法和使用該 數(shù)據(jù)庫的方法、以及相應(yīng)的計(jì)算機(jī)程序、數(shù)據(jù)存儲介質(zhì)和系 統(tǒng)
[0001] 本發(fā)明涉及用于在譜數(shù)據(jù)的基礎(chǔ)上對屬于至少兩類中的一類的樣本進(jìn)行分類的 方法。例如，譜數(shù)據(jù)包括喇曼（Raman)譜、近紅外譜、FT-IR譜、頻譜、MALDIMS譜、MALDI TOF-MS譜。用這些技術(shù)中的一個(gè)獲得的譜可與樣本成分（即呈現(xiàn)在樣本中的分子）相關(guān)。
[0002] 然而，不考慮用于獲得譜的技術(shù)，在屬于同一類的樣本的譜之間發(fā)生了變化。這些 變化可歸因于隨機(jī)效應(yīng)。這些隨機(jī)效應(yīng)可涉及測量技術(shù)或在調(diào)查下的樣本，或二者兼而有 之。
[0003] 因此，常規(guī)的分析譜數(shù)據(jù)的方法要求被分類的譜獲得自具有大量粒子（諸如分 子）的樣本。通過要求大量粒子，由于隨機(jī)過程的譜中的特征相比于由穩(wěn)定過程引起的特 征將被抑制。然而，這使得常規(guī)方法不適合用于分析具有較少數(shù)量粒子的樣本。當(dāng)隨機(jī)效應(yīng) 主要是由于測量技術(shù)本身時(shí)，常規(guī)方法要求待被分類的譜為所謂的總譜，也被稱為累積譜， 通過增加相同樣本的大量譜而獲得。通過這種方法，由于測量技術(shù)的隨機(jī)過程將在總譜中 得到抑制。然而，當(dāng)不能獲得總譜時(shí)，這使得常規(guī)方法不適合用于分類樣本。
[0004] 以上問題將針對其中使用質(zhì)譜分析法（MS)獲得譜數(shù)據(jù)的示例性例子進(jìn)行說明。
[0005] 傳統(tǒng)MS譜，且特別是飛行時(shí)間（TOF)質(zhì)譜在質(zhì)量上顯示大的離子強(qiáng)度，該質(zhì)量對 應(yīng)于通過電離形成的離子流中的高度豐富的離子質(zhì)量。通常，這些高度豐富的離子來自于 出現(xiàn)在分析物中的高度豐富的分子。
[0006] 然而，因?yàn)樵陔婋x分子的情況下容易存在大的可變性，故高度豐富的分子的出現(xiàn) 將不會自動(dòng)地產(chǎn)生大的離子強(qiáng)度。
[0007] 此外，電離的效率依賴于大量因素，其可在電離事件到電離時(shí)間之間強(qiáng)有力地改 變。實(shí)例為存在的分析物數(shù)量、基質(zhì)和分析物的比值、基質(zhì)的晶體結(jié)構(gòu)、及在基質(zhì)晶體和分 析物的位置處的激光束的強(qiáng)度。因此，通過各單獨(dú)電離事件產(chǎn)生的離子強(qiáng)度會顯著變化。
[0008] 最重要的是，在電離期間，考慮的分子會分裂成更小的部分，有些分子可能獲得兩 倍或三倍的電荷，分子可聚集到流當(dāng)中，等。因此，除了發(fā)生在對應(yīng)于分析物分子質(zhì)量的質(zhì) 量上的高離子強(qiáng)度，單獨(dú)電離事件譜將在不與分析物分子質(zhì)量相關(guān)的位置處顯示峰值。然 而，由于分裂、充電和聚集的過程本質(zhì)上是高度隨機(jī)的，故非相關(guān)的峰值的位置將在電離事 件和電離事件之間強(qiáng)烈地變化。
[0009] 為產(chǎn)生可靠和穩(wěn)定的譜，在關(guān)于MALDIMS的傳統(tǒng)的分類方法中，累加了記錄在靶 板地點(diǎn)上不同位置處的單獨(dú)電離事件的數(shù)量。
[0010] 因此，對比于由穩(wěn)定過程引發(fā)的離子強(qiáng)度，電離期間將抑制由隨機(jī)過程引發(fā)的離 子強(qiáng)度。穩(wěn)定過程將產(chǎn)生總譜中的高強(qiáng)度的窄區(qū)域（峰值），而帶更多隨機(jī)性質(zhì)的過程將產(chǎn) 生總譜中的寬的低強(qiáng)度響應(yīng)（基準(zhǔn)）。
[0011] 在總譜出現(xiàn)的峰值可與在分析物中容易地（有效地）電離的、豐富的分子相關(guān)聯(lián)。 通常這些峰值被用于譜的分類，且因此被認(rèn)為描述譜特征的特征。
[0012] 因?yàn)楹铣勺V來源于記錄在靶板地點(diǎn)上不同位置處的大量單獨(dú)電離事件，故這些常 規(guī)MALDI譜是樣本的許多粒子的譜的總和。例如，在樣本包括微生物的一些情況下，常規(guī)方 法依賴于獲得自許多微生物的譜。
[0013] 當(dāng)對單粒子譜應(yīng)用常規(guī)方法時(shí)，出現(xiàn)相似的問題，單粒子譜諸如單氣溶膠粒子譜。 在常規(guī)的方法中，為產(chǎn)生可靠和穩(wěn)定的譜，獲得自來源于單個(gè)獨(dú)立種群的微生物的大量的 單氣溶膠譜被結(jié)合到總譜中。這個(gè)總譜以有限數(shù)量的不同譜特征（峰值）疊加在光滑的基 準(zhǔn)上為特征。
[0014] 建立累積譜的各個(gè)單粒子譜以大量峰值和不存在基準(zhǔn)為特點(diǎn)。一些峰值發(fā)生在與 累積譜中峰值位置相一致的位置上，其它峰值發(fā)生在不與累積譜中峰值位置相一致的位置 上。此外，看起來單粒子譜呈現(xiàn)大量的點(diǎn)對點(diǎn)變化。
[0015] 圖1示出累積自大量單粒子譜的譜（P)的實(shí)例，其中單粒子譜獲得自源于單獨(dú)獨(dú) 立種群的樣本，其中還包括一些典型的基本單粒子譜的實(shí)例（Q、R、s、T)。
[0016] 由于大量的點(diǎn)對點(diǎn)變化和在單粒子峰值位置和累積譜峰值位置之間的有限關(guān)聯(lián)， 某一位置（質(zhì)量過載）的譜的振幅和帶相關(guān)的質(zhì)量的離子形成的物質(zhì)的存在之間不存在確 定性關(guān)系。
[0017] 以上實(shí)例說明分析譜數(shù)據(jù)的常規(guī)方法的問題。這些方法不能直接地處理單粒子 譜，因?yàn)樗麄儧]有考慮以上點(diǎn)對點(diǎn)的變化。此外他們不能處理由于測量技術(shù)的變化，諸如， 如以上描述的在MALDIMS中由于電離的變化。
[0018] 本發(fā)明的目的是提供用于在譜數(shù)據(jù)的基礎(chǔ)上對屬于至少兩類中的一類的樣本進(jìn) 行分類的改進(jìn)方法，當(dāng)屬于同一類的譜顯示出變化時(shí)其是有效的和可靠的。
[0019] 根據(jù)本發(fā)明，通過在譜數(shù)據(jù)的基礎(chǔ)上對在至少兩類中的一類中的樣本進(jìn)行分類的 方法來完成該目的，該方法包括：
[0020] a)獲得至少兩組第一譜用于作為參考譜使用，每組包括屬于同一類的參考譜樣 本；
[0021] b)為每個(gè)參考譜確定與譜特征有關(guān)的相同的至少一個(gè)量的值；
[0022] c)在確定值的基礎(chǔ)上，關(guān)聯(lián)概率與量的不同的值；
[0023] d)從樣本獲得譜，并確定這個(gè)譜的相同的至少一個(gè)量的值；以及
[0024]e)在關(guān)于獲得的所述至少兩類中的每類的譜的量的概率和值的基礎(chǔ)上計(jì)算樣本 屬于該類的概率。
[0025] 步驟a)-c)描述了參考庫的創(chuàng)建。步驟d)和e)描述了對比樣本和這個(gè)參考庫。
[0026] 在步驟b)，針對每個(gè)參考譜確定了相同的至少一個(gè)量的值。例如，對譜數(shù)據(jù)執(zhí)行數(shù) 學(xué)操作，以獲得該值。換句話說，步驟b)描述通過對每個(gè)參考譜應(yīng)用預(yù)定的函數(shù)或操作而 獲得分值（值）。
[0027] 步驟b)的結(jié)果是每個(gè)參考譜已與其至少一個(gè)值關(guān)聯(lián)，每個(gè)值對應(yīng)于預(yù)定的量，即 對譜的預(yù)定操作。下一步，對于每一組參考譜，在針對該組中譜確定的值的基礎(chǔ)上，概率與 至少一個(gè)量的不同值相關(guān)聯(lián)。這可被認(rèn)為是構(gòu)造概率密度函數(shù)（PDF)。例如，PDF是離散概 率密度函數(shù)，例如其可表示為數(shù)組或直方圖。
[0028] 步驟a)_c)的最終結(jié)果是每組參考譜已針對至少一個(gè)量中的每個(gè)量關(guān)聯(lián)的各個(gè) 量的值的roF。例如，在MS譜數(shù)據(jù)情況下，選擇的一個(gè)量是譜的強(qiáng)度，也稱為譜振幅，在M/Z =lOOODalton。在這個(gè)實(shí)例中，對于每組參考譜PDF為強(qiáng)度在M/Z=IOOODalton時(shí)創(chuàng)建。 值得注意的是，通常對于不同組的參考譜PDF將顯著不同，因?yàn)椴煌M的參考譜對應(yīng)于不 同的類。
[0029] 在步驟d)，獲得樣本的譜，且此外關(guān)于這個(gè)譜的至少一個(gè)量的值被確定。在先前構(gòu) 造的HF的基礎(chǔ)上，在步驟e)中計(jì)算樣本屬于每一個(gè)參考類的概率。
[0030] 因此根據(jù)本發(fā)明的方法使用每個(gè)類的量（與預(yù)定的操作/函數(shù)有關(guān)）的值（分 值）的roF，故該方法考慮同一類的譜中的變化。特別地，值得注意的是，通過至少一個(gè)量的 值表示的特征的存在和不存在都在根據(jù)本發(fā)明的方法中被考慮。
[0031] 根據(jù)本發(fā)明的方法的另一優(yōu)點(diǎn)是在步驟e)中的最終結(jié)果是概率。因?yàn)楦怕适菤w 一化的量，即概率是〇到1之間的值，故樣本譜屬于第一參考類的概率可以與譜屬于第二類 的概率相比較。這是超越常規(guī)方法（其中分值被計(jì)算而不是歸一化）的一個(gè)優(yōu)點(diǎn)。
[0032] 此外，本發(fā)明使得定義用于接受或拒絕分類的標(biāo)準(zhǔn)成為可能。通常，譜將被分配給 類，其為樣本譜屬于該類的概率最高的類。然而，這個(gè)概率可能是相對低的，例如0.2。該發(fā) 明使得定義表示關(guān)于可接受的分類的最小值的閾值成為可能。關(guān)于所有類的最大概率低于 閾值時(shí)不分類樣本譜，即它們被分類到未知類中。當(dāng)如在常規(guī)方法中的非歸一化分值被使 用時(shí)這種過程是不可能，因?yàn)樵谀欠N情況下閾值將是任意的。
[0033] 根據(jù)本發(fā)明的方法的優(yōu)選方案中，譜數(shù)據(jù)包括喇曼譜、近紅外譜、FT-IR譜、頻譜、 MALDIMS譜或MALDITOF-MS譜，優(yōu)選地為MALDITOF-MS譜。
[0034] 如以上指出的，特別地在MALDIMS譜和MALDITOF-MS譜中，屬于同一類粒子的譜 之間的變化是相當(dāng)大的。因此，根據(jù)本發(fā)明的方法對于這些測量技術(shù)是特別有利的。
[0035] 在本發(fā)明的優(yōu)選的實(shí)施方案中，獲得自樣本的參考譜和譜是單粒子的譜。
[0036] 這代表小數(shù)量粒子的極端情況。如上所述，根據(jù)本發(fā)明的方法能夠說明在屬于同 一類的譜中的變化，其將特別地存在于單粒子譜中。
[0037] 如以上提及的，可在單粒子和兩個(gè)或多于兩個(gè)粒子以及甚至許多粒子下應(yīng)用根據(jù) 本發(fā)明的方法。
[0038] 優(yōu)選地，該方法包括使用MALDIMS從樣本獲得單粒子譜，優(yōu)選地使用MALDI T0F-MS。這使得粒子混合物的分析成為可能。取代分析獲得自混合物的多種粒子的譜，即 復(fù)合譜，獲得的關(guān)于混合物的單粒子和各個(gè)粒子的譜在單粒子譜的基礎(chǔ)上進(jìn)行分類。
[0039] 例如，單粒子的MALDI質(zhì)譜，諸如MALDITOFMS譜，其通過將樣本分成包含至多一 個(gè)粒子的液滴而獲得。通過這些形成了液滴氣溶膠，其隨后使用MALDIMS進(jìn)行電離和分析。 參考WO2010/021548,其通過參考以其整體被合并，其描述了產(chǎn)生包含用于通過MALDIMS 后續(xù)分析的至多一個(gè)細(xì)胞的液滴的系統(tǒng)和方法。通過使用這種設(shè)備，獲得混合物的各個(gè)細(xì) 胞的譜。這些譜可使用根據(jù)本發(fā)明的方法分類，以獲得樣本成分的分類。
[0040] 在優(yōu)選的實(shí)施方案中，樣本為生物樣本。
[0041] 生物樣本包括有機(jī)體（諸如微生物）分子，或由這種有機(jī)體產(chǎn)生的分子，如蛋白。 特別地，獲得自樣本的參考譜和譜為生物樣本的單粒子譜。屬于同一類的生物樣本的譜的 變化是特別明顯的，使得本發(fā)明的方法對于生物樣本是特別有利的。這些變化例如來源于 有機(jī)體的生命周期和同一類（例如種）的有機(jī)體的個(gè)體之間的差異。
[0042] 根據(jù)本發(fā)明的另外優(yōu)選的實(shí)施方案中，生物樣本包括微生物且分類包括微生物分 類。
[0043] 優(yōu)選地，獲得自樣本的參考譜和譜為單微生物譜。這使能分析微生物的混合物。例 如，微生物的混合物被稀釋并隨后被分為包含至多一個(gè)粒子的液滴，且隨后使用MALDIMS從液滴獲得譜，諸如以上描述。
[0044] 在根據(jù)本發(fā)明的優(yōu)選的實(shí)施方案中，在參考類的特有譜特征的基礎(chǔ)上，至少一個(gè) 量被選擇。
[0045] 例如，在步驟a)到c)中獲得了類A、B和C的涉及類A的特有譜特征的量的值的 roF。例如，類A的譜示出了在位置X的作為特有譜特征的峰值。相應(yīng)地，選擇在位置X的 譜強(qiáng)度作為值（分值）。計(jì)算所有類A、類B和類C的在位置X的這種強(qiáng)度。因?yàn)樵谖恢肵 的峰值對于類A是特有的，故獲得的類A的PDF將示出在X的高強(qiáng)度的高概率。通常，類B 和類C將示出在位置X的高強(qiáng)度的較低概率。所以通過選擇某一類的特有譜特征作為至少 一個(gè)量中的一個(gè)，在特有的譜特征存在或不存在的基礎(chǔ)上，該方法能夠確定譜是否屬于這 個(gè)類。
[0046] 優(yōu)選地，在優(yōu)選地多于一個(gè)參考類的優(yōu)選地多于一個(gè)的特有譜特征的基礎(chǔ)上，選 擇多于一個(gè)的量。例如，對于類A、B和C，計(jì)算分值I1和I2，其涉及參考類A的兩種不同的 譜特征。在另一實(shí)例中，計(jì)算分值IpI2和I3，其中I1涉及類A的譜特征，I2涉及類B的譜 特征且I3涉及類C的譜特征。
[0047] 優(yōu)選地，在參考類的累積譜的基礎(chǔ)上，特有譜特征被確定。例如，可通過求和屬于 同一類的各個(gè)參考樣本的譜而獲得參考類的累積譜。如上所述，這些累積譜將示出特征，其 對于給定類是特有的，雖然它們可能不存在于類的每個(gè)單個(gè)譜中。值得注意的是，如步驟a) 中所示，通過增加每組的參考譜和確定累積譜的特有譜特征，可使用多組參考譜確定量。 [0048] 優(yōu)選地，特有譜特征包括在參考類的累積譜中的峰值。例如，將峰值尋找算法應(yīng)用 到累積譜以找到特有峰值的位置。然后，選擇的量為在這些峰值位置或在包括這些位置的 預(yù)定間隔處的強(qiáng)度。
[0049] 在本發(fā)明的優(yōu)選的實(shí)施方案中，該方法包括針對樣本譜進(jìn)行計(jì)算，其中獲得值Ii, 其涉及譜特征量Qi，根據(jù)下式獲得給定值Ii時(shí)樣本屬于參考類^的概率P(A^Ii):
【權(quán)利要求】
1. 一種用于在譜數(shù)據(jù)的基礎(chǔ)上對至少兩類中的一類中的樣本進(jìn)行分類的方法，所述方 法包括： a) 獲得用于用作參考譜的至少兩組第一譜，每個(gè)組包括屬于同一類的多個(gè)參考樣本的 譜； b) 確定每個(gè)所述參考譜的關(guān)于譜特征的相同的至少一個(gè)量的值； c) 在所確定的值的基礎(chǔ)上，關(guān)聯(lián)概率與所述量的不同值； d) 從所述樣本獲得譜，并確定這個(gè)譜的所述相同的至少一個(gè)量的值；以及 e) 在所獲得的所述至少兩類中的每類的譜的概率和所述量的值的基礎(chǔ)上，計(jì)算所述樣 本屬于所述類的概率。
2. 根據(jù)權(quán)利要求1所述的方法，其中所述譜數(shù)據(jù)包括喇曼譜、近紅外譜、FTIR譜、頻譜、 MALDI MS 譜或 MALDI TOF MS 譜，優(yōu)選地為 MALDI TOF MS 譜。
3. 根據(jù)權(quán)利要求1或2所述的方法，其中，所述參考譜和獲得自所述樣本的所述譜是單 粒子譜。
4. 根據(jù)權(quán)利要求1、2或3所述的方法，其中所述樣本是生物樣本。
5. 根據(jù)權(quán)利要求4所述的方法，其中所述生物樣本包括微生物，且分類包括微生物的 分類。
6. 根據(jù)權(quán)利要求1-5中的任一項(xiàng)所述的方法，其中，在參考類的特有譜特征的基礎(chǔ)上 選擇所述至少一個(gè)量。
7. 根據(jù)權(quán)利要求1-6中的任一項(xiàng)所述的方法，其包括，針對獲得與譜特征量Qi相關(guān)的 值Ii的樣本譜，計(jì)算給定值I i時(shí)所述樣本屬于參考類^的概率P (Al Ii)，根據(jù)的公式為：
其中P (Ii IA，是參考類V與值Ii關(guān)聯(lián)的概率，且k關(guān)j時(shí)的P (Ii IA，是不同于參考類 的至少一個(gè)參考類與值Ii相關(guān)聯(lián)的概率。
8. 根據(jù)權(quán)利要求1-7中的任一項(xiàng)所述的方法，其中步驟b)包括確定每個(gè)所述參考譜的 與譜特征相關(guān)的相同的至少兩個(gè)量的值，且步驟e)包括結(jié)合獲得的關(guān)于全部量的概率與 所述樣本屬于各個(gè)類的整體概率。
9. 根據(jù)權(quán)利要求1-8中的任一項(xiàng)所述的方法，其中所述值與在至少一個(gè)預(yù)定的譜值處 的強(qiáng)度或在預(yù)定的譜值范圍內(nèi)的強(qiáng)度相關(guān)。
10. 根據(jù)權(quán)利要求1-9中的任一項(xiàng)所述的方法，其中所述值被歸一化。
11. 根據(jù)權(quán)利要求1-10中的任一項(xiàng)所述的方法，其中，通過將在預(yù)定譜值范圍上的各 個(gè)譜的強(qiáng)度乘以權(quán)重函數(shù)來確定所述值。
12. 根據(jù)權(quán)利要求11所述的方法，其中所述權(quán)重函數(shù)基于同一類譜的累積譜。
13. 根據(jù)權(quán)利要求1-12中的任一項(xiàng)所述的方法，其中所述值涉及在預(yù)定譜值處的強(qiáng)度 之間的比值或預(yù)定譜范圍內(nèi)的強(qiáng)度之間的比值。
14. 根據(jù)權(quán)利要求1-13中的任一項(xiàng)所述的方法，其中所述值涉及在預(yù)定譜值范圍內(nèi)的 峰值的位置。
15. 根據(jù)權(quán)利要求1-14中的任一項(xiàng)所述的方法，其中所述值是向量。
16. 根據(jù)權(quán)利要求1-15中的任一項(xiàng)所述的方法，其中，針對第一組參考類且隨后針對 第二組參考類執(zhí)行步驟d)和e)，其中在所述第一組參考類中的一個(gè)參考類中的樣本分類 的基礎(chǔ)上選擇所述第二組。
17. 根據(jù)權(quán)利要求5和16所述的方法，其中在生物學(xué)分類層次的基礎(chǔ)上選擇所述第一 組和第二組。
18. 根據(jù)權(quán)利要求1-17中的任一項(xiàng)所述的方法，步驟d)包括從所述樣本獲得至少兩個(gè) 譜并確定這至少兩個(gè)譜的所述相同的至少一個(gè)量的值，且步驟e)包括結(jié)合分類在同一類 中的樣本譜與累積譜，并通過結(jié)合各個(gè)類的所述參考譜來比較該累積譜和累積參考譜。
19. 一種用于創(chuàng)建用于在譜數(shù)據(jù)的基礎(chǔ)上對在至少兩類中的一類中的樣本進(jìn)行分類的 數(shù)據(jù)庫的方法，所述方法包括： a) 獲得用作參考譜的至少兩組第一譜，每組譜包括屬于同一類的參考樣本的譜； b) 確定每個(gè)所述參考譜的與譜特征相關(guān)的相同的至少一個(gè)量的值；以及 c) 在所確定的值的基礎(chǔ)上，關(guān)聯(lián)概率與所述量的不同的值。
20. -種使用根據(jù)權(quán)利要求19所述的方法獲得的數(shù)據(jù)庫，在譜數(shù)據(jù)的基礎(chǔ)上對在至少 兩類中的一類中的樣本進(jìn)行分類的方法，所述方法包括： d) 從所述樣本獲得譜，并確定該譜的所述相同的至少一個(gè)量的值；以及 e) 在從所述數(shù)據(jù)庫獲得的概率和所獲得的所述至少兩類中的每類的譜的所述量的值 的基礎(chǔ)上，計(jì)算所述樣本屬于所述類的概率。
21. -種計(jì)算機(jī)程序，當(dāng)在計(jì)算機(jī)上執(zhí)行所述計(jì)算機(jī)程序時(shí)，執(zhí)行根據(jù)前述權(quán)利要求中 的任意一項(xiàng)所述的方法的步驟。
22. -種數(shù)據(jù)存儲介質(zhì)，其包括根據(jù)權(quán)利要求21所述的計(jì)算機(jī)程序。
23. -種用于在譜數(shù)據(jù)的基礎(chǔ)上分類樣本的系統(tǒng)，所述系統(tǒng)包括： -設(shè)置為從樣本獲得譜的裝置； -設(shè)置為執(zhí)行根據(jù)權(quán)利要求1-20中的任一項(xiàng)所述的方法的分析裝置。
24. 根據(jù)權(quán)利要求23所述的系統(tǒng)，其包括設(shè)置為從樣本獲得單粒子譜的裝置。
【文檔編號】G06K9/00GK104380311SQ201380030388
【公開日】2015年2月25日 申請日期:2013年4月10日 優(yōu)先權(quán)日:2012年4月10日
【發(fā)明者】雷內(nèi)·雷蒙德·帕欽, 阿爾揚(yáng)·勞倫·范烏伊杰克胡吉斯, 阿德里安努斯·博斯 申請人:拜斯帕爾有限公司