CN119861168B - 一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统及方法 - Google Patents

Abstract

本发明公开了一种识别β‑内酰胺类抗生素中二聚物异构体的智能分析系统，由潜在特征片段数据收集子系统获取理论计算的每个二聚物异构体及其潜在特征碎片数据，包括潜在特征碎片在正离子模式下的分子量；由独特特征片段数据筛选子系统对每个二聚物异构体的潜在特征碎片数据进行筛选，得到其对应的独特特征碎片数据；由质谱图像识别子系统对检测得到的质谱图像进行目标分子量下的目标质谱图像选取，并提取其质谱图像数据，包括碎片离子峰对应的质荷比；由比对子系统比对各独特特征碎片数据与各质谱图像识别数据，对其中的分子量和质荷比按照预设的碎片匹配策略获取匹配结果。本发明能够代替检测人员进行二聚物异构体杂质的有效筛选。

Description

一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统 及方法

技术领域

本发明涉及药物分析和质量控制领域具体涉及一种β-内酰胺类抗生素中二聚物异构体的智能分析系统及方法。

背景技术

β-内酰胺类抗生素(β-lactams)系指化学结构中具有β-内酰胺环的一大类抗生素，被广泛应用于临床，用于治疗由敏感细菌所引起的败血症、肺炎、肺部脓肿、慢性呼吸道疾病引起的二次感染、难治性膀胱炎、肾盂肾炎、腹膜炎、妇科附件炎等。本品虽然抗菌谱广、抗菌活性强，但稳定性极差，遇湿、遇热易发生降解，产生高致敏性的聚合物杂质，严重威胁患者生命安全。

目前针对β-内酰胺类抗生素中致敏性聚合物杂质的分析，多数为基于仪器的定量分析研究，聚合物杂质的结构尚未鉴定清楚，且检测出的聚合物杂质有限。多个研究发现聚合物杂质中的异构体杂质与其毒性效应密切相关；欧洲药典EP 8.0和美国药典USP 37/NF32收录了几种二聚物异构体，反映了异构体鉴定的重要性。但异构体杂质与药物主成分的结构较为接近，是杂质鉴定的难点。因此，有必要开发新的路径，研究聚合物杂质潜在的聚合位点、鉴定异构体结构特性，以便β-内酰胺类抗生素杂质控制。

发明内容

本发明的目的在于提供一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统及方法，以解决背景技术中提出的由于二聚物异构体杂质与药物主成分的结构较为接近而导致的杂质鉴定难的问题。

为实现上述目的，本发明提供技术方案如下：

一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，包括：

潜在特征片段数据收集子系统用于利用二聚物杂质的理论裂解碎片进行二聚物异构体及其潜在特征碎片的智能化读取，得到理论计算的每个二聚物异构体的潜在特征碎片数据，包括潜在特征碎片在正离子模式下的分子量；

独特特征片段数据筛选子系统用于对每个二聚物异构体的潜在特征碎片数据进行筛选，得到其对应的独特特征碎片数据，包括独特特征碎片在正离子模式下的分子量；

质谱图像识别子系统用于对实际的二聚物杂质检测得到的质谱图像进行目标分子量下的目标质谱图像选取，并提取其质谱图像数据，包括碎片离子峰对应的质荷比；

比对子系统用于比对理论计算的各独特特征碎片数据与实际二聚物杂质的各质谱图像识别数据，对其中的分子量和质荷比按照预设的碎片匹配策略获取匹配结果。

优选地，所述潜在特征片段数据收集子系统包括：

第一数据读取模块，用于读取二聚物杂质的理论裂解碎片；

特征采集模块用于基于每一理论裂解碎片及其不同潜在聚合位点进行聚合方式的罗列，得到不同的若干二聚物异构体并进行相关特征数据采集；

计算模块，用于对每一二聚物异构体的每一潜在特征碎片集合进行相关特征数据处理，该潜在特征碎片为在保持连接两个分子的二聚体中酰胺或酯键完整的前提下，按照碳青霉烯化合物的切割规则对所述二聚物异构体进行切割得到的碎片；

第一数据输出模块，用于输出每一二聚物异构体及其潜在特征碎片数据，每一潜在特征碎片数据包括各潜在特征碎片在正离子模式下的分子量。

优选地，所述独特特征片段数据筛选子系统包括：

第二数据读取模块，用于读取每个二聚物异构体的潜在特征碎片数据；

特征筛选模块用于在潜在特征碎片数据中剔除其他二聚物异构体共有的潜在特征碎片，得到每个二聚物异构体的独特特征碎片数据；

第二数据输出模块，用于输出各二聚物异构体的独特特征碎片数据，包括独特特征碎片在正离子模式下的分子量。

优选地，所述质谱图像识别子系统包括：

第三数据读取模块，用于读取实际检测到的质谱图像；

图像识别及转换模块用于基于目标分子量确定二聚物杂质在总离子流图中的RT范围，获取该RT范围内的质谱图像作为目标质谱图像，对任一目标质谱图像提取质谱图像识别数据，包括在正离子模式下提取质荷比和质谱峰强度；

第三数据输出模块，用于输出在目标RT范围内的各质谱图像识别数据。

优选地，所述图像识别模块中，目标质谱图像的数量不少于3个。

优选地，所述比对子系统包括：

第四数据读取模块，用于读取各独特特征碎片数据，以及各质谱图像识别数据；

精确度控制模块，用于设置碎片匹配策略及其匹配精度，所述碎片匹配策略包括第一匹配策略和第二匹配策略；所述第一匹配策略中，在分子量与质荷比间的绝对差异值不超过预设值时认定对应的独特特征碎片数据与质谱图像识别数据匹配；所述第二匹配策略中，在同一个独特特征碎片数据匹配有不少于两个在同一RT区间的质谱图像识别数据时认定对应的二聚物异构体与该RT区间的二聚物杂质一致。

比对模块，用于对独特特征碎片数据的分子量和质谱图像识别数据质荷比，按照预设的碎片匹配策略进行独特特征碎片数据与质谱图像识别数据的匹配；

第四输出模块，用于输出匹配结果。

优选地，所述比对子系统还包括降噪模块用于去除质谱图像识别数据中的背景杂质峰。

优选地，所述智能分析系统还包括网络可视化模块，用于对匹配结果进行可视化。

一种识别β-内酰胺类抗生素中二聚物异构体的智能分析方法，所述方法包括以下步骤：

实施前置条件：对药物进行实际检测和理论模拟，得到质谱图像和二聚物杂质的理论裂解碎片集合；

对每一理论裂解碎片按照潜在聚合位点进行聚合方式的罗列，得到若干二聚物异构体，提取每一二聚物异构体的所有潜在特征碎片并计算其分子量，得到对应的潜在特征碎片数据；

在潜在特征碎片数据中筛选每个二聚物异构体的独特特征碎片数据；

对检测得到的质谱图像，利用目标分子量及其所在总离子流图中的RT范围，进行质谱图像筛选，选取在该RT范围内的若干质谱图像作为目标质谱图像，对筛选得到的每一目标质谱图像分别进行碎片离子峰对应的质荷比提取，得到对应的质谱图像识别数据；

将各质谱图像识别数据与各独特特征碎片数据，按照预设的碎片匹配策略进行匹配，得到匹配结果。

与现有技术相比，本发明的有益效果为：

本发明的智能分析系统，通过二聚物杂质的理论裂解碎片来构建潜在的二聚物异构体杂质构型，通过质谱数据对异构体杂质构型的独特特征碎片的匹配，能够有效筛选出异构体杂质的构型，为β-内酰胺类抗生素聚合物杂质鉴定提供了新路径；本发明的智能分析系统能够代替检测人员人工读取和解析仪器数据从而进行二聚物异构体杂质的智能化有效识别。

附图说明

图1为智能分析系统的框架结构示意图。

图2为图1中潜在特征片段数据收集子系统的具体结构示意图。

图3为图1中独特特征片段数据筛选子系统的具体结构示意图。

图4为图1中质谱图像识别子系统的具体结构示意图。

图5为图1中比对子系统的具体结构示意图。

图6为网络可视化模块的实现方法解析图。

图7为智能分析方法的实施条件与材料示意图。

图8为潜在特征碎片数据与独特特征碎片数据的关系实例图。

图9为质谱图像识别子系统中实际检测的质谱图像与其质谱图像识别数据的对应关系示例图。

图10为比对子系统中独特特征片段数据与其质谱图像识别数据的匹配示例图。

图11为网络可视化模块在不同选项设置下的可视化输出结果。

具体实施方式

下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

参照图1所示，一种β-内酰胺类抗生素中二聚物异构体的智能分析系统，由潜在特征片段数据收集子系统、独特特征片段数据筛选子系统、质谱图像识别子系统、比对子系统、以及网络可视化模块组成。

参照图2，该潜在特征片段数据收集子系统包括第一数据读取模块、特征采集模块、计算模块、第一数据输出模块。

该第一数据读取模块用于读取药品信息、药品的样品来源信息、以及理论裂解碎片集合，该理论裂解碎片集合为所有可能的二聚物杂质裂解碎片。

该特征采集模块用于对每一理论理解碎片按照不同的潜在聚合位点进行不同的排列，得到所有可能的二聚物异构体的相关特征数据。

计算模块用于对每一二聚物异构体开发采集代码并运行，以获取其对应的潜在特征碎片数据，包括在含氢正离子模式下可能断裂产生的各潜在特征碎片的分子量数据。

本发明的特征采集模块中，由于二聚体杂质的理论裂解碎片均存在多个潜在的聚合位点，故可根据单体与单体之间可能的聚合位点进行排列，得到可能的二聚物异构体。以培南类药物为例，二聚物异构体可能是由于其中的羧基与氨基或亚氨基相连、或羧基与羟基相连而形成的；以青霉素药物为例，二聚体的形成可能是其中羧基与氨基或亚氨基聚合形成。

本发明的计算模块中，在保持连接两个分子的二聚体中酰胺或酯键完整的前提下，按照碳青霉烯化合物的切割规则对可能的二聚物异构体进行切割，即可得到该二聚体异构体在含氢正离子模式下可能断裂产生的碎片同一二聚物异构体经裂解产生的碎片构成潜在特征碎片集合，也即裂解样品，每一二聚体构型下的潜在特征碎片集合中会含有与其他二聚体构型存在潜在结构差异的碎片。

第一数据输出模块用于输出各二聚物异构体的潜在特征碎片数据，包括碎片文档编码、同分异构体及其编号、药品名、裂解样品及其分子量(正离子)。

参照图3所示，该独特特征片段数据筛选子系统包括第二数据读取模块、特征筛选模块、第二数据输出模块。

该第二数据读取模块用于读取每个二聚物异构体的潜在特征碎片数据，包括碎片文档编码、同分异构体及其编号、药品名、裂解样品及其分子量。

该特征筛选模块用于在潜在特征碎片数据中剔除其他二聚物异构体共有的潜在特征碎片，得到每个二聚物异构体的独特特征碎片数据。

该第二数据输出模块用于输出各二聚物异构体的独特特征碎片数据(UNIQUEprofile)，包括独特特征碎片文档编码、同分异构体编号、药品信息、裂解样品及其分子量(正离子)。

参照图4，该质谱图像识别子系统包括第三数据读取模块、图像识别模块、第三数据输出模块。

该第三数据读取模块用于读取质谱图像数据，包括药品名、样品条件、质谱仪器名及型号、运行模式、实际检测到的LC-MS/MS质谱图像。

图像数据识别及转换模块，用于识别LC-MS/MS质谱图像，并基于目标分子量及其所在总离子流图中的RT范围，在该RT范围内选取若干质谱图像作为目标质谱图像，并对任一目标质谱图像在正离子模式下提取质荷比和质谱峰强度，得到对应的质谱图像识别数据(MSDATA)。

总离子流图是在质谱分析中常用的一种图表，它展示了样品中所有离子的信号强度随时间的变化情况，是通过实际检测到的LC-MS/MS质谱图像得出的实验数据图。

第三数据输出模块，用于输出各质谱图像识别数据，包括图像数据文档编码、药品名、样品条件、目标分子量(正离子)、RT值及RT所属区间范围、质谱仪器名及型号。

参照图5，该比对子系统包括第四数据读取模块、精确度控制模块、比对模块、第四数据输出模块。

该第四数据读取模块用于读取独特特征片段数据筛选子系统输出的独特特征碎片数据、以及质谱图像识别子系统输出的各质谱图像识别数据。

该精确度控制模块用于设置碎片匹配策略及其匹配精度，该碎片匹配策略包括第一匹配策略和第二匹配策略。

第一匹配策略：如果独特特征片段数据中存在独特特征碎片的分子量(正离子)与质谱图像识别数据中的质荷比间的绝对差异值不超过预设值，则该独特特征片段数据对应的二聚物异构体与该质谱图像识别数据匹配，该绝对差值的具体表征公式为：

其中，D表示差异值，m表示基于正离子模式下质谱图像识别数据中的荷质比，t表示理论独特特征片段数据中独特特征碎片在正离子模式下的荷质比。

第二匹配策略：如果同一个独特特征碎片数据匹配有不少于两个在同一RT区间的质谱图像识别数据，那么认为该区间的物质对应于该独特特征碎片数据的二聚物异构体。

该第二匹配策略是在第一匹配策略的基础上完成的，第一匹配策略用于进行二聚物异构体的独特特征片段数据与每一RT区间相同目标分子量的质谱图像识别数据进行对比匹配，在匹配完成后，基于该匹配执行第二匹配策略。

本发明中，该第一匹配策略中的预设值即为匹配精度，一般在5-20ppm之间，该匹配精度的具体值可由本领域技术人员根据实际情况自行设置。

该比对模块用于基于预设碎片匹配策略进行二聚物异构体理论特征碎片数据与实际二聚物杂质质谱图像识别数据的匹配，得到匹配结果。

第四数据输出模块，用于输出匹配结果，包括第一匹配策略下匹配成功的独特特征碎片数据与质谱图像识别数据的文档名以及两者相同的数值，和/或第二匹配策略下匹配成功的二聚物异构体的独特特征片段数据等。

本发明中，通过设置精确度控制模块来设置匹配精度，提升了β-内酰胺类抗生素杂质风险控制的精准性和专属性。

进一步地，比对子系统还包括降噪模块，用于过滤质谱图像识别数据中的无检测意义背景杂质峰。

该网络可视化模块用于基于对比对子系统输出的匹配结果进行数据的可视化处理，展现匹配完成的二聚物异构体的独特特征片段的相关数据及关系网络，如独特特征片段对应的文档名、质谱峰与RT值、比对数值、正离子模式下的分子量、裂解样品、片段的结构公式等。可根据模块中的″可视化选项设置″功能，对关系数据的显示做出选择，如unique数据可视化，excel数据与unique关系数据质谱数据与独特特征片段结构式的对应关系。

本发明的智能分析系统，由潜在特征片段数据收集子系统通过代码开发和数据智能化处理，进行理论的二聚物异构体及其潜在特征碎片的理论模拟，并由独特特征片段数据筛选子系统进行二聚物异构体关于独特特征碎片数据的筛选；并由质谱图像识别子系统从实际检测到的杂质的质谱图像信息中提取质谱图像识别数据，通过对比子系统实现质谱图像识别数据与于独特特征碎片数据的精准配对，并实现相关数据关系网络的多维度展现。

在上述智能化分析系统的基础上，本发明还提供一种智能化分析方法，下面以药物a为例进行具体展开说明。

实施前置条件：参照图7，通过对药物a进行实际检测和理论模拟，得到质谱图像和二聚物杂质所有可能的裂解碎片，该所有可能的裂解碎片构成理论裂解碎片集合。

步骤1，对每一理论裂解碎片按照潜在聚合位点进行聚合方式的罗列，得到所有可能的二聚体形式，对每一二聚体在保持连接两个分子的二聚体中酰胺或酯键完整的前提下，按照碳青霉烯化合物的切割规则进行切割，得到对应的潜在特征碎片集合，并计算每一潜在特征碎片在正离子模式下的分子量，得到对应的潜在特征碎片数据。

本发明步骤1中，针对每一理论裂解碎片，按照其不同潜在聚合位点进行聚合后，可以得到不同的二聚体，会对不同理论裂解碎片的不同二聚体分别进行切割，得到其对应的潜在特征碎片数据，包括每一潜在特征碎片的分子量以及对应的二聚体构型等，如图8(a)所示。

步骤2，对各二聚物异构体的潜在特征碎片数据进行筛选，得到各二聚物异构体的独特特征碎片数据，如图8(b)所示。

本发明步骤2中，在每一二聚物异构体的潜在特征碎片集合中剔除其他二聚物异构体共有的潜在特征碎片，此时未剔除的潜在特征碎片作为二聚物异构体的独特特征片段。

步骤3，对药品a实际检测得到的质谱图像，利用目标分子量及其所在总离子流图中的RT范围，进行质谱图像筛选，选取在该RT范围内的至少3个质谱图像作为目标质谱图像，对筛选得到的每一目标质谱图像分别进行图像数据提取，如图9(b)所示，该图像数据包括正离子模式下的质荷比和质谱峰强度。

本发明步骤3中，该目标分子量为二聚体杂质的分子量，示例中该药品a的二聚体杂质的分子量为701。该二聚体杂质的分子量可基于药品a的结构进行计算得到，此为本领域公知常识。目标质谱图像与质谱图像识别数据呈一一对应关系。

步骤4，将各实际二聚物杂质的质谱图像识别数据与各理论的独特特征碎片数据，按照第一匹配策略进行二聚物异构体理论特征碎片数据与实际二聚物杂质质谱图像识别数据的匹配，得到匹配结果。

图10所示，本实施例步骤4中，第一匹配策略中的预设值设置为10ppm；将分子量为701的独特特征碎片数据与每一质谱图像识别数据进行单值比对，得到正离子模式下质荷比为701m/z的各目标质谱图像与各独特特征碎片数据的匹配关系，该匹配关系通过excel来记录，其中A列表示匹配成功的目标质谱图像所在的RT区间，B列和C列分别用于表征匹配成功的目标质谱图像和独特特征碎片数据，D列和E列分别表示B列中同一目标质谱图像的质荷比和C列中同一独特特征碎片数据的碎片分子量，该质荷比与碎片分子量的绝对差异值均小于10ppm。

步骤5，将匹配结果按照不同选项进行可视化输出，如图11所示。

本发明通过从实际检测到的杂质及其质谱图像信息中，通过代码开发和数据智能化处理，筛选出每个二聚异构体理论计算得出的独特特征碎片数据，实现质谱检测数据与潜在二聚异构体特征数据的精准配对，并实现相关数据关系网络的多维度展现。本发明提供了β-内酰胺类抗生素聚合物杂质鉴定的新路径，也提升了β-内酰胺类抗生素杂质风险控制的精准性和专属性。本发明的技术方案适用于除β-内酰胺类抗生素之外的其他类型药品，可以在药品分析检定和药品质量控制行业内推广使用。

Claims (7)

1.一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，其特征在于，包括：

潜在特征片段数据收集子系统用于利用二聚物杂质的理论裂解碎片进行二聚物异构体及其潜在特征碎片的智能化读取，得到理论计算的每个二聚物异构体的潜在特征碎片数据，包括潜在特征碎片在正离子模式下的分子量；

独特特征片段数据筛选子系统用于对每个二聚物异构体的潜在特征碎片数据进行筛选，得到其对应的独特特征碎片数据，包括独特特征碎片在正离子模式下的分子量；

质谱图像识别子系统用于对实际的二聚物杂质检测得到的质谱图像进行目标分子量下的目标质谱图像选取，并提取其质谱图像数据，包括碎片离子峰对应的质荷比；

比对子系统用于比对理论计算的各独特特征碎片数据与实际二聚物杂质的各质谱图像识别数据，对其中的分子量和质荷比按照预设的碎片匹配策略获取匹配结果；

所述潜在特征片段数据收集子系统包括：

第一数据读取模块，用于读取二聚物杂质的理论裂解碎片；

特征采集模块用于基于每一理论裂解碎片及其不同潜在聚合位点进行聚合方式的罗列，得到不同的若干二聚物异构体并进行相关特征数据采集；

计算模块，用于对每一二聚物异构体的每一潜在特征碎片集合进行相关特征数据处理，该潜在特征碎片为在保持连接两个分子的二聚体中酰胺或酯键完整的前提下，按照碳青霉烯化合物的切割规则对所述二聚物异构体进行切割得到的碎片；

第一数据输出模块，用于输出每一二聚物异构体及其潜在特征碎片数据，每一潜在特征碎片数据包括各潜在特征碎片在正离子模式下的分子量；

所述比对子系统包括：

第四数据读取模块，用于读取各独特特征碎片数据，以及各质谱图像识别数据；

精确度控制模块，用于设置碎片匹配策略及其匹配精度，所述碎片匹配策略包括第一匹配策略和第二匹配策略；所述第一匹配策略中，在分子量与质荷比间的绝对差异值不超过预设值时认定对应的独特特征碎片数据与质谱图像识别数据匹配；所述第二匹配策略中，在同一个独特特征碎片数据匹配有不少于两个在同一RT区间的质谱图像识别数据时认定对应的二聚物异构体与该RT区间的二聚物杂质一致；

比对模块，用于对独特特征碎片数据的分子量和质谱图像识别数据质荷比，按照预设的碎片匹配策略进行独特特征碎片数据与质谱图像识别数据的匹配；

第四输出模块，用于输出匹配结果。

2.如权利要求1所述的一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，所述独特特征片段数据筛选子系统包括：

第二数据读取模块，用于读取每个二聚物异构体的潜在特征碎片数据；

特征筛选模块用于在潜在特征碎片数据中剔除其他二聚物异构体共有的潜在特征碎片，得到每个二聚物异构体的独特特征碎片数据；

第二数据输出模块，用于输出各二聚物异构体的独特特征碎片数据，包括独特特征碎片在正离子模式下的分子量。

3.如权利要求1所述的一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，其特征在于，所述质谱图像识别子系统包括：

第三数据读取模块，用于读取实际检测到的质谱图像；

图像识别及转换模块用于基于目标分子量确定二聚物杂质在总离子流图中的RT范围，获取该RT范围内的质谱图像作为目标质谱图像，对任一目标质谱图像提取质谱图像识别数据，包括在正离子模式下提取质荷比和质谱峰强度；

第三数据输出模块，用于输出在目标RT范围内的各质谱图像识别数据。

4.如权利要求3所述的一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，其特征在于，所述图像识别模块中，目标质谱图像的数量不少于3个。

5.如权利要求1所述的一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，其特征在于，所述比对子系统还包括降噪模块，用于去除质谱图像识别数据中的背景杂质峰。

6.如权利要求1所述的一种识别β-内酰胺类抗生素中二聚物异构体的智能分析系统，其特征在于，所述智能分析系统还包括网络可视化模块，用于对匹配结果进行可视化。

7.一种识别β-内酰胺类抗生素中二聚物异构体的智能分析方法，采用权利要求1-6任一项所述的智能分析系统，其特征在于，所述方法包括以下步骤：实施前置条件：对药物进行实际检测和理论模拟，得到质谱图像和二聚物杂质的理论裂解碎片集合；

对每一理论裂解碎片按照潜在聚合位点进行聚合方式的罗列，得到若干二聚物异构体，提取每一二聚物异构体的所有潜在特征碎片并计算其分子量，得到对应的潜在特征碎片数据；

在潜在特征碎片数据中筛选每个二聚物异构体的独特特征碎片数据；

对检测得到的质谱图像，利用目标分子量及其所在总离子流图中的RT范围，进行质谱图像筛选，选取在该RT范围内的若干质谱图像作为目标质谱图像，对筛选得到的每一目标质谱图像分别进行碎片离子峰对应的质荷比提取，得到对应的质谱图像识别数据；

将各质谱图像识别数据与各独特特征碎片数据，按照预设的碎片匹配策略进行匹配，得到匹配结果。