简介:摘要目的建立肉豆蔻药材的质量控制方法。方法以去氢二异丁香酚为参照峰确定共有峰,建立肉豆蔻HPLC指纹图谱;利用高分辨液质联用色谱法对共有峰进行分析,通过对特征峰一级质谱、二级质谱数据的计算及数据检索,指认共有峰的化学成分。结果建立了肉豆蔻的HPLC指纹图谱,10批样品的相似度均在0.9以上;共建立11个共有峰,根据高分辨液质联用色谱分析结果,对11个共有峰进行成分指认,11个化合物分别是甲基丁香酚(峰1)、利卡灵A(峰2)、肉豆蔻醚(峰3)、Odoratisol A(峰4)、2-(3,4-Dimethoxyphenyl)butanoic acid(峰5)、malabaricone D(峰6)、5'-Methoxy dehydrodiisoeugenol(峰7)、去氢二异丁香酚(峰8)、Malabaricone C(峰9)、4-Methoxy-6-{(2S,3S)-7-methoxy-3-methyl-5-[(1E)-1-propen-1-yl]-2,3-dihydro-1-benzofuran-2-yl}-1,3-benzodioxole(峰10)、利卡灵B(峰11)。结论建立的肉豆蔻HPLC指纹图谱可用于肉豆蔻药材的质量评价;利用高分辨液质联用色谱技术快速分析复杂成分的化学组成方法,对中药提取物及其制剂化学成分的鉴别分析具有一定的参考价值。
简介:摘要目的采用血清代谢指纹采集方法筛选肺癌相关差异调控代谢物,为肺癌诊断提供候选标志物。方法在上海长海医院开展队列入组工作,共纳入2021年1月27日至6月4日的228例受试者,其中包括初诊确认肺癌患者97例和健康体检人群131名。根据标准流程采集入组队列血清样本,并通过分层随机抽样,将入组队列分为训练集和完全独立的验证集。采用纳米辅助激光解吸电离质谱对血清样品进行代谢指纹图谱采集。对训练集样本年龄、性别进行质量控制后,通过机器学习算法构建基于血清代谢指纹图谱的诊断模型,并采用受试者工作特征(ROC)曲线评价模型的分类效能。结果通过新型纳米辅助激光解吸电离质谱,可在1 min内完成血清样品的代谢指纹提取,过程仅需消耗1 μl原始血清。针对训练集,基于此构建的分类器诊断肺癌的ROC曲线下面积(AUC)为0.92(95%CI 0.87~0.97),敏感度为89%,特异度为89%。在独立验证队列中,AUC为0.96(95%CI 0.90~1.00),敏感度为91%,特异度为94%,没有表现出性能损失。确定了由5个代谢物组成的标志物组合,展示了肺癌患者的独特代谢模式。结论本研究结合血清代谢指纹图谱和机器学习建立了肺癌的诊断模型,用于区分肺癌患者以及健康对照,可用于临床的体外诊断。
简介:摘要:以计算机为主的信息设备在工作时会产生不同程度的电磁泄漏信号,这类信号中可能含有设备处理的敏感信息,通过一定的设备和算法可将其接收还原,因此对计算机电磁泄漏发射的安全防护尤为重要。计算机电磁泄漏信号中除了包含其处理的信息内容外,还包含能反映出设备身份唯一性的指纹特征,即电磁指纹。研究计算机电磁指纹提取与计算机个体唯一性鉴别,可应用于电磁信号监测、信息泄漏发射源确定、恶意改装设备和恶意硬件植入设备检测,实现对计算机有针对性地管控和防护,这对我国信息安全保密具有重要的意义。为此,分析了计算机电磁指纹产生的原因及表现形式,构建简化的计算机电磁泄漏信号产生模型,并基于产生模型将线性预测分析算法应用于计算机电磁指纹提取,最后基于电磁指纹实现计算机身份唯一性鉴别。
简介:摘要:基于计算机电磁泄漏信号提取电磁指纹进而识别计算机个体与基于电磁信号识别无线通信设备类似,后者称为特定辐射源识别(Specificemitteridentification,SEI)。辐射源识别技术是通过信号处理方法从接收的电磁信号中提取出不同辐射源的本质差异信息,从而分辨通信辐射源个体,这一概念最早由美国军方提出。在国内外传统的辐射源识别研究中,多提取设备的开机瞬态电磁信号特征或稳态电磁信号特征,所用算法多为分形维数、小波变换、时频分析等算法,这些算法大都基于由设备主动发射的调制信号。与通信辐射源电磁指纹提取不同的是,计算机电磁指纹的提取是基于计算机在工作时无意识泄漏出去的宽带信号,其信号微弱、频率成分复杂,同时又容易受到背景噪声和环境响应的影响。计算机电磁泄漏信号从检测、接收、采集到特征分析都和通信辐射源有巨大差异,相关公开的研究工作也较少。本文主要分析计算机电磁指纹提取和识别技术研究。
简介:摘要:以计算机为主的信息设备在工作时会产生不同程度的电磁泄漏信号,这类信号中可能含有设备处理的敏感信息,通过一定的设备和算法可将其接收还原,因此对计算机电磁泄漏发射的安全防护尤为重要。计算机电磁泄漏信号中除了包含其处理的信息内容外,还包含能反映出设备身份唯一性的指纹特征,即电磁指纹。研究计算机电磁指纹提取与计算机个体唯一性鉴别,可应用于电磁信号监测、信息泄漏发射源确定、恶意改装设备和恶意硬件植入设备检测,实现对计算机有针对性地管控和防护,这对我国信息安全保密具有重要的意义。为此,分析了计算机电磁指纹产生的原因及表现形式,构建简化的计算机电磁泄漏信号产生模型,并基于产生模型将线性预测分析算法应用于计算机电磁指纹提取,最后基于电磁指纹实现计算机身份唯一性鉴别。
简介:摘要:基于计算机电磁泄漏信号提取电磁指纹进而识别计算机个体与基于电磁信号识别无线通信设备类似,后者称为特定辐射源识别(Specificemitteridentification,SEI)。辐射源识别技术是通过信号处理方法从接收的电磁信号中提取出不同辐射源的本质差异信息,从而分辨通信辐射源个体,这一概念最早由美国军方提出。在国内外传统的辐射源识别研究中,多提取设备的开机瞬态电磁信号特征或稳态电磁信号特征,所用算法多为分形维数、小波变换、时频分析等算法,这些算法大都基于由设备主动发射的调制信号。与通信辐射源电磁指纹提取不同的是,计算机电磁指纹的提取是基于计算机在工作时无意识泄漏出去的宽带信号,其信号微弱、频率成分复杂,同时又容易受到背景噪声和环境响应的影响。计算机电磁泄漏信号从检测、接收、采集到特征分析都和通信辐射源有巨大差异,相关公开的研究工作也较少。本文主要分析计算机电磁指纹提取和识别技术研究。