多维校正用于复杂体系定量分析和小分子与dna相互作用机理研究

《多维校正用于复杂体系定量分析和小分子与dna相互作用机理研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、于‘，●▲学校代号：学号：密级：10532B06111022湖南大学博士学位论文多维校正用于复杂体系定量分析和小分子与DNA相互作用机理研究A，；r少●●●■■■I一■I，潞薯曩叠l谭I曩■，；，■^q矿；一-，t-■■■■■■●●I●—●ll▲’、—'SupervisorProfessorWuHailongDecember，200900立≥r上●由本人承担。作者签名：钟岍醐。刁引硐扣日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将

2、本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于l、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“／”)=骣导师签名：Z刀函邳日期：2叼年J2月；。日醐：7引硼湖▲博士学位论文摘要本文作者对化学计量学中多维校正用于定量分析的几个重要问题进行了方法探索和应用研究。同时，我们也利用了二阶校正方法对小分子与DNA的相互作用机理进行了探讨。本论文内容主要涉及以下几个方面：1．提出了一种新的三线性分解算法．稳健信息自提取不对称三线性分解算法(RISEATD)。该方法把整体最小二乘理

3、论融入到三线性模型的分解过程中，能快速有效地提取有用信息。同时该算法结合了平行因子分析(PARAFAC—ALS)和交替三线性分解方法(ATLD)的迭代特点，用一种不对称的方式分辨求解三维数据阵中三个潜在的载荷矩阵。该算法的显著特点就是当体系噪声大或共线性强时，分辨得到的感兴趣分析物的图谱都是十分稳定的，并且具有较快的收敛速度。本文还利用模拟的荧光光谱数据阵和真实的激发．发射荧光光谱数据对方法进行了测试，并与传统的PARAFAC，PARAFAC—ALS和ATLD算法计算结果进行了比较。结果表明，RISEATD方法在三维数据分解中具有优越的性能。2．利用化学计量学中具有

4、“二阶优势”的二阶校正方法，与三维激发．发射荧光光谱相结合，以“数学分离”代替“化学分离”，提出了采用荧光分析直接测定血浆和药片样中的盐酸特拉唑嗪含量的新方法。运用PARAFAC，交替惩罚三线性分解算法(APTLD)和RISEATD对三维荧光数据进行解析，最终实现了血样中盐酸特拉唑嗪的定量测定。该方法快速简便，无需复杂的样品预处理，花费成本低廉，定量结果满意。同时，PARAFAC，APTLD和RISEATD与标准加入法相结合，实现了对实际样品药片中盐酸特拉唑嗪的定量测定。所得结果与标准的色谱方法比较，结果令人满意。3．本章提出了一种激发发射矩阵荧光与二阶校正方法结合

5、，在血浆和尿液中检测右美沙芬和奎尼丁的方法。由于这两种药物的荧光与血浆和尿液基质的光谱相互叠加严重重叠，因而未经分离直接用光谱的方法来检测血样和尿样中的右美沙芬和奎尼丁几乎是不可能的。本章利用了三种二阶校正方法，PARAFAC、自加权交替三线性分解算法(SwATLD)和APTLD的二阶优势，利用数学分离来代替化学分离，实现严重干扰下对右美沙芬和奎尼丁定量测定。4．随着现代高阶分析仪器和数据采集技术的的发展，特别是二阶校正方法在处理三维数据阵时的应用，研究药物与DNA的相互作用成为可能。即使该混合物中存在着很复杂的化学平衡，也可以很方便的预测感兴趣的组分和DNA的相互

6、作用机制。对于二阶校正方法最值得注意的优势在于，对三维阵的分解通常是唯一的，可以直接分辨出复杂体系中感兴趣组分的相对浓度和光谱图。本章采用紫外II■多维数据定量解析和小分子与DNA的作用机理研究和荧光分析结合二阶校正方法对吡柔比星与DNA的相互作用进行了研究。荧光测数据采用PARAFAC算法和交替归--N权残差(ANWE)算法进行解析，可分辨得到动力学平衡体系中各组分的激发、发射光谱以及相对浓度，为吡柔比星与DNA的相互作用机制的研究提供了更为直观的有用信息。这对抗癌药物的抗癌机理、以及新型药物的设计合成方面都有很大的帮助。5．随着农药大面积、持续的使用，农作物、蔬

7、菜、水果甚至动物体内都可能有农药残留，人们的生命和健康造成威胁。所以研究农药对DNA的潜在损伤作用对于保证人体免受农药的危害具有一定的实际意义。本文利用三维荧光结合二阶校正方法PARAFAC和APTLD对西维因和DNA的相互作用进行了研究，为西维因和DNA的相互作用机制的研究提供了很有用的信息。6．最小支持向量机(LS．SVM)以其优越的性能在多元校正建模中得到越来越广泛的应用。然而，它的性能在很大的程度上还依赖于模型误差的同质性和数据集分布的均一性。该工作探讨了多元校正建模中的训练集样品的代表性和最优化样品加权问题。由于多元校正的样品光谱空间的多维性和复杂性以