一种用于测定蓝细菌毒素的试剂盒

技术领域

本发明属于测定蓝细菌毒素的试剂盒技术领域，尤其涉及一种用于测定蓝细菌毒素的试剂盒。

背景技术

蓝细菌的细胞一般比细菌大，通常直径为3～10μm，最大的可达60μm，如巨颤蓝细菌。根据细胞形态差异，蓝细菌可分为单细胞和丝状体两大类。单细胞类群多呈球状、椭圆状和杆状，单生或团聚体，如粘杆蓝细菌和皮果蓝细菌等属；丝状体蓝细菌是有许多细胞排列而成的群体，包括：有异形胞的(如鱼腥蓝细菌属)，无异形胞的(如颤蓝细菌属)，有分支的(如费氏蓝细菌属)。

蓝细菌的细胞构造与革兰氏阴性细菌相似。细胞壁有内外两层，外层为脂多糖层，内层为肽聚层。许多种能不断地向细胞壁外分泌胶粘物质，将一群细胞或丝状体结合在一起，形成粘质糖被或鞘。细胞膜单层，很少有间体。大多数蓝细菌无鞭毛，但可以“滑行”。蓝细菌光合作用的部位称为光合片层，数量很多，以平行或卷曲方式贴近地分布在细胞膜附近，其中含有叶绿素和藻胆素(一类辅助光合色素)。蓝细菌的细胞内含有糖原、聚磷酸盐、以及蓝细菌肽等贮藏物以及能固定的羧酶体，少数水生性种类中还有气泡。在化学组成上，蓝细菌最独特之处就是含有两个或多个双键组成的不饱和脂肪酸，而细菌通常只含有饱和脂肪酸和一个双键的不饱和脂肪酸。蓝细菌的细胞有几种特化形式，较重要的是异形胞、静息孢子、链丝段和内孢子。异形胞是存在于丝状体蓝细菌中的较营养细胞稍大、色浅、壁厚、位于细胞链中间或末端、且数目少而不定的特化细胞。异形胞是固氮蓝细菌的固氮部位。营养细胞的光合产物与异形胞的固氮产物，可通过胞间连丝进行物质交换。静息孢子是一种着生于丝状体细胞链中间或末端的形大、色深、壁厚的休眠细胞，胞内有贮藏性物质，具有抗干旱或冷冻的能力。链丝段又称连锁体或藻殖段，是长细胞断裂而成的短链段，具有繁殖功能。内孢子是少数蓝细菌种类在细胞内形成许多球形或三角形的内孢子，成熟后可释放，具有繁殖功能。然而，现有用于测定蓝细菌毒素的试剂盒获取的质谱图不清晰，分辨率低，影响对蓝细菌毒素的测定；同时，对蓝细菌保存容易造成细胞损伤。

综上所述，现有技术存在的问题是：现有用于测定蓝细菌毒素的试剂盒获取的质谱图不清晰，分辨率低，影响对蓝细菌毒素的测定；同时，对蓝细菌保存容易造成细胞损伤。

发明内容

针对现有技术存在的问题，本发明提供了一种用于测定蓝细菌毒素的试剂盒。

本发明是这样实现的，一种用于测定蓝细菌毒素的试剂盒包括：

弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物。

一种用于测定蓝细菌毒素的试剂盒测定方法包括以下步骤：

步骤一，通过质谱仪采集蓝细菌质谱图像；通过图像增强程序对采集质谱图像进行增强处理；

步骤二，通过包含弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物的固相提取设备上制备潜在包括环肽和生物碱蓝细菌毒素的水样品，以形成保留或浓缩的毒素样品，使所述保留或浓缩的毒素样品在流动相中洗脱或重构，以形成样品提取物；

步骤三，将潜在包括环肽或生物碱蓝细菌毒素的样品提取物置于质谱仪中以形成质谱，根据质谱来测定蓝细菌毒素；通过分离设备将提取物中的蓝细菌进行分离；

步骤四，对分离的蓝细菌进行密封冻存处理；

步骤五，通过显示器显示采集的蓝细菌质谱图像、测定结果。

进一步，所述通过图像增强程序对采集质谱图像进行增强处理方法如下：

(1)基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作；

(2)设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息；

(3)构建质谱图像可视化的能量泛函G(u)，将超分辨重建后的高分辨率形态学信息重建成可视化的高分辨率质谱图像；

其中E为测试阶段网络输出的高分辨率形态学特征图，u为目标高分辨率质谱图像。

进一步，所述基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作方法：

(1.1)采用质谱成像仪器获取蓝细菌样本的质谱信息；对于获取的质谱数据，采用质谱成像软件进行数据预处理，其中包括基线矫正、质谱TIC总离子数归一化、峰提取中的一种或二种以上；

(1.2)对获取的蓝细菌样本质谱信息，按照提取的峰强度，选取c个不同m/z离子成像，获得高分辨率质谱图像H；将获得的高分辨率图像降采样，再双立方插值放大到高分辨率图像大小，作为降质后的低分辨率图像L；c为大于等于10整数；

(1.3)以m*n(0>c)对；对于质谱图像块求取形态学信息特征图，用于表征离子空间分布特征：

其中I表示质谱图像块，表示梯度，mag表示质谱图像块幅度值；(a,b)代表图像当前像素位置；其中高分辨率图像块的形态学特征图Y作为网络真值，低分辨率图像块的形态学特征图X作为网络输入，获得训练样本集{X,Y}。

进一步，所述设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息方法：

(2.1)网络结构包括输入层、中间层和输出层；

其中中间层设计为l层，每个中间层都由卷积层CONV以及激励层RELU组成；前j(j

其中x表示网络输入，表示经过网络中间层后的输出，W为网络中间层的权重，b表示偏移量。D表示第一层卷积核个数，M为第二层卷积核个数；

网络反向传播过程为最小化loss函数Ev的过程，其中Ev表示为：

其中，

(2.2)网络测试阶段；

输入低分辨率质谱形态学特征图x,利用网络优化后的参数{W,b}，根据公式

进一步，所述对分离的蓝细菌进行密封冻存处理方法如下：

1)在固体培养基上培养出蓝细菌；

2)将无菌试纸片平放在蓝细菌上面，粘起蓝细菌，接着将粘有蓝细菌的试纸片密封好，冻存于液氮中。

进一步，所述无菌试纸片是将普通试纸剪成一定大小的试纸片，然后将其高压灭菌得到。

进一步，所述在固体培养基上培养蓝细菌的温度为25℃，光照培养。

进一步，所述对粘有蓝细菌的试纸片进行密封的方法是：

先将试纸片置于无菌密封袋中封严，再放于冻存管内密封。

进一步，所述冻存后的蓝细菌复苏方法是：将冻存的试纸片取出，平放于无抗生素的固体培养基上，进行1-2天培养。

本发明的优点及积极效果为：本发明通过图像增强程序对采集质谱图像进行增强处理采用超分辨重建方法提高质谱图像的分辨率，避免了依赖传统硬件改进带来的不利；这种基于单源图像超分辨不依赖于其他源图像的引导，具有更强的普适性；本发明提出了利用形态学信息表征质谱图像特征，可以更有针对性的表征离子信息的空间分布位置、形态等信息；本发明提出将深度学习应用到了质谱图像分析处理领域，在网络搭建中利用更深的网络以及层级合并concat连接方式更有效的利用质谱图像的低、中、高级特征，大大提高质谱图分辨率，提高清晰度；同时，通过对分离的蓝细菌进行密封冻存处理方法为避免细胞受冷冻损伤，在进行细菌冻存时需要加入冷冻保护剂，冷冻保护剂不仅能够同细菌悬液中的水分子结合，发生水合作用，弱化水的结晶过程使溶液的粘性增加，从而减少冰晶的形成，而且冷冻保护剂还可以通过在细胞内外维持一定的摩尔浓度，降低细胞内外未结冰溶液中电解质的浓度，使细胞免受溶质的损伤。

附图说明

图1是本发明实施例提供的用于测定蓝细菌毒素的试剂盒测定流程图。

图2是本发明实施例提供的通过图像增强程序对采集质谱图像进行增强处理方法流程图。

图3是本发明实施例提供的基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作方法流程图。

图4是本发明实施例提供的设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息方法流程图。

图5是本发明实施例提供的对分离的蓝细菌进行密封冻存处理方法流程图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

本发明实施例提供的用于测定蓝细菌毒素的试剂盒包括：弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物。

如图1所示，本发明实施例提供的一种用于测定蓝细菌毒素的试剂盒测定方法包括以下步骤：

S101，通过质谱仪采集蓝细菌质谱图像；通过图像增强程序对采集质谱图像进行增强处理；

S102，通过包含弱阳离子交换树脂、弱阴离子交换树脂、聚合物二乙烯基苯-N-乙烯吡咯烷酮共聚物的固相提取设备上制备潜在包括环肽和生物碱蓝细菌毒素的水样品，以形成保留或浓缩的毒素样品，使所述保留或浓缩的毒素样品在流动相中洗脱或重构，以形成样品提取物；

S103，将潜在包括环肽或生物碱蓝细菌毒素的样品提取物置于质谱仪中以形成质谱，根据质谱来测定蓝细菌毒素；通过分离设备将提取物中的蓝细菌进行分离；

S104，对分离的蓝细菌进行密封冻存处理；

S105，通过显示器显示采集的蓝细菌质谱图像、测定结果。

如图2所示，本发明提供的通过图像增强程序对采集质谱图像进行增强处理方法如下：

S201，基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作；

S202，设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息；

S203，构建质谱图像可视化的能量泛函G(u)，将超分辨重建后的高分辨率形态学信息重建成可视化的高分辨率质谱图像；

其中E为测试阶段网络输出的高分辨率形态学特征图，u为目标高分辨率质谱图像。

如图3所示，本发明提供的基于蓝细菌样本质谱图像形态学特征图的训练样本数据集制作方法：

S301，采用质谱成像仪器获取蓝细菌样本的质谱信息；对于获取的质谱数据，采用质谱成像软件进行数据预处理，其中包括基线矫正、质谱TIC总离子数归一化、峰提取中的一种或二种以上；

S302，对获取的蓝细菌样本质谱信息，按照提取的峰强度，选取c个不同m/z离子成像，获得高分辨率质谱图像H；将获得的高分辨率图像降采样，再双立方插值放大到高分辨率图像大小，作为降质后的低分辨率图像L；c为大于等于10整数；

S303，以m*n(0>c)对；对于质谱图像块求取形态学信息特征图，用于表征离子空间分布特征：

其中I表示质谱图像块，表示梯度，mag表示质谱图像块幅度值；(a,b)代表图像当前像素位置；其中高分辨率图像块的形态学特征图Y作为网络真值，低分辨率图像块的形态学特征图X作为网络输入，获得训练样本集{X,Y}。

如图4所示，本发明提供的设计层级连接的深度卷积神经网络，用于学习预测低分辨率质谱形态学特征图中缺失的化学信息方法：

S401，网络结构包括输入层、中间层和输出层；

其中中间层设计为l层，每个中间层都由卷积层CONV以及激励层RELU组成；前j(j

其中x表示网络输入，表示经过网络中间层后的输出，W为网络中间层的权重，b表示偏移量。D表示第一层卷积核个数，M为第二层卷积核个数；

网络反向传播过程为最小化loss函数Ev的过程，其中Ev表示为：

其中，

S402，网络测试阶段；

输入低分辨率质谱形态学特征图x,利用网络优化后的参数{W,b}，根据公式

如图5所示，本发明提供的对分离的蓝细菌进行密封冻存处理方法如下：

S501，在固体培养基上培养出蓝细菌；

S502，将无菌试纸片平放在蓝细菌上面，粘起蓝细菌，接着将粘有蓝细菌的试纸片密封好，冻存于液氮中。

本发明提供的无菌试纸片是将普通试纸剪成一定大小的试纸片，然后将其高压灭菌得到。

本发明提供的在固体培养基上培养蓝细菌的温度为25℃，光照培养。

本发明提供的对粘有蓝细菌的试纸片进行密封的方法是：

先将试纸片置于无菌密封袋中封严，再放于冻存管内密封。

本发明提供的冻存后的蓝细菌复苏方法是：将冻存的试纸片取出，平放于无抗生素的固体培养基上，进行1-2天培养。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。