DEEP Phaser:一种基于深度学习的双重视觉变换器,用于实现完全自动的核磁共振(NMR)相位校正
《The Journal of Physical Chemistry Letters》:DEEP Phaser: A Deep Learning Tandem Vision Transformer for Fully Automated NMR Phase Correction
【字体:
大
中
小
】
时间:2026年05月05日
来源:The Journal of Physical Chemistry Letters 4.6
编辑推荐:
高分辨率图像
下载MS PowerPoint幻灯片
尽管相位校正是在NMR数据处理中最常见的步骤之一,但即使是最好的自动化方法也常常需要人类专家的手动调整。本文介绍了一种基于深度学习的相位校正算法,该算法采用串联视觉变换器人工神经网络实现。该算法经过大量合成溶液NMR光
高分辨率图像
下载MS PowerPoint幻灯片
尽管相位校正是在NMR数据处理中最常见的步骤之一,但即使是最好的自动化方法也常常需要人类专家的手动调整。本文介绍了一种基于深度学习的相位校正算法,该算法采用串联视觉变换器人工神经网络实现。该算法经过大量合成溶液NMR光谱数据的训练,能够根据整个输入光谱确定零阶和一阶相位校正,并在不需要任何进一步手动调整的情况下实现对广泛实验光谱的极高相位精度。这种新方法名为DEEP Phaser,已应用于多种实际的1H 1D NMR光谱,从小分子及其复杂混合物到生物大分子,同时提供免费软件版本和公共网页服务器。
由于核磁共振(NMR)光谱的高度通用性,它在广泛的科学领域中找到了强大的应用。自20世纪60年代中期以来,时间域傅里叶变换NMR(1D NMR)已成为首选方法,通过检测共振NMR线圈中的自由感应衰减(FID)并在相位敏感的正交模式下进行复杂傅里叶变换来获取NMR信号。只有当光谱处于100%纯吸收模式时,才能最有效地利用其相位敏感特性,而这需要通过对复杂光谱进行相位校正来实现。纯净的吸收光谱不仅外观更佳,而且在共振线宽度方面也比分散型或混合相位光谱具有优势,从而减少了峰重叠,并且信号的正性使得基于准确峰位和峰面积的定量分析成为可能。
将复杂的FID s(t)转换为最终光谱S(ω)涉及多个常规处理步骤,包括零填充、衰减处理、快速傅里叶变换(FFT)和相位校正。根据实验类型和应用的不同,可能还需要其他步骤,如线性预测、NUS重建或基线校正,但这些步骤可能会引入一些光谱伪影,在此不再赘述。相位校正是通过将每个复数光谱点乘以相位因子来改变光谱中每个点的相位φ(以弧度为单位)的过程:
\[ e^{i\varphi_0 + i\alpha\omega} \]
其中\(\varphi_0\)是频率独立的“零阶”相位校正,\(\alpha\omega\)是频率依赖的“一阶”相位校正,系数\(\alpha\)对应于射频(rf)检测脉冲与FID中第一个采样时间点之间的有效延迟。下文将\(\varphi_0\)称为PH0,一阶相位校正用PH1表示,即整个光谱宽度内的总相位变化。因此,第k个光谱数据点的相位校正可以表示为:
\[ \varphi_k = \varphi_0 + \varphi_1 \cdot \frac{N}{k} \]
其中N是复数点的总数,\(k = 1, \cdots, N\)。应用相位校正后,S的实部即为吸收光谱,虚部的色散部分可以忽略。
虽然方程式(1)和(2)中的所有相位都以弧度为单位,但通常以度为单位进行讨论。由于相位校正只需要优化整个光谱的两个(实数)参数PH0和PH1,因此很容易认为这一过程可以完全自动化。尽管文献中提出了许多不同的自动化方法(详见下文),但其相位精度通常仅限于几度的平均误差,这也取决于具体光谱。对于某些应用来说这可能是可接受的,但对于完全定量分析来说还不够。在这种情况下,需要专家的人工干预来达到最佳相位校正效果。因此,开发一种通用且完全自动化的相位校正方法是非常理想的,该方法应能达到与人类专家相同的结果。
自动化相位校正方法可以追溯到傅里叶变换NMR的早期阶段(参见参考文献3-6),并且最近也有了更多综述(参见参考文献7)。提出的方法包括吸收信号与色散信号的积分、信号最大值与最小值之比、吸收与色散图的关系(参考文献3-6)、分辨吸收线形状的对称性(参考文献5)、单个峰的总面积(参考文献9)、锐峰基线处的平坦度(参考文献3-6),以及其他结合相位校正和基线校正的方法(参考文献10)。虽然临时的基线校正可能会影响光谱的定量性质。一种采用多目标函数的迭代优化方法被提出,用于处理具有重叠峰的密集光谱区域(参考文献11)。另一种自动相位校正策略源自模式识别技术,例如识别每个峰值下方降至基线的光谱区域(参考文献12)。熵最小化方法基于这样一个前提:正确相位的光谱应具有最少的特征(参考文献13)。名为“Automics”的相位校正方法旨在实现光谱两端的最大平坦度(参考文献14)。
近年来,深度人工神经网络的出现为基于机器学习的NMR光谱自动化分析提供了新的机会(参见参考文献15,16)。例如,最近推出的DEEP Picker和Voigt Fitter工具基于卷积神经网络(CNN)进行峰值挑选和拟合,适用于完全自动化的定量NMR光谱反卷积,前提是需要相位准确的光谱作为输入(参见参考文献17,18)。最近,一种使用经典卷积神经网络的机器学习方法在结合残差基线去除后表现出良好的相位校正性能(该技术在Bruker的Topspin软件中得到实现)。此外,PD-RAN方法(参考文献19)通过将1D光谱重构为2D图像来直接预测零阶和一阶相位校正参数(参见参考文献19)。这些最新方法在应用于多种光谱时通常需要额外的手动调整才能获得最佳结果。在这里,我们介绍了一种结合CNN和注意力神经网络模型的自动相位校正方法(参见参考文献20),该方法已在不同磁场强度下获取的实际溶液NMR光谱中得到验证。这种方法补充了我们的COLMAR套件(参考文献21,22),用于自动化1D NMR应用,并在COLMARvista(参考文献23)光谱处理和可视化软件中实现。这种名为DEEP Phaser的自动相位校正方法进一步简化了NMR数据分析过程,代表了向完全自动化、可重复和准确的光谱处理与分析迈出的重要一步。
图1显示了一个具有相位误差和一个没有相位误差的合成Voigt形NMR峰。0.5°的相位误差表现为峰形的轻微不对称(图A),峰的一侧有一个明显的锐降(“脚部”),然后随着偏移量接近零,光谱轮廓逐渐恢复(图B)。经验丰富的NMR光谱学家即使在这些特征很微弱时也能识别出来,从而通过对整个光谱中峰附近的凹陷进行消除来实现最佳相位校正。相比之下,机器学习算法(如卷积神经网络(CNN)由于其出色的模式识别能力,提供了潜在的完全自动化解决方案。然而,CNN在识别较大频率范围内的光谱特性(“长距离相关性”)方面存在局限性,因为它们的视野有限,难以识别小于1°的相位误差。如图1B所示,光谱学家通常会放大到峰值高度的<1%来检查距离峰值中心约50倍宽度的光谱区域以检测小的相位误差。这是必要的,因为在强度较大或频率较窄的范围内,小的相位误差可能与正确相位的峰难以区分(如图1A所示)。此外,全面检查光谱,特别是在左右两端,对于校正潜在的一阶相位误差也是必要的。
图1展示了完全相位校正的完美NMR峰(蓝色,处于100.0%的吸收模式)和相位校正不完美的峰(红色,具有0.5°的相位误差)。黑色水平线表示零幅度。(A)在满刻度下,相位校正不完美的峰与正确相位校正的峰几乎无法区分(两者完全重叠在蓝线的宽度内)。(B)如图所示,当光谱沿y轴放大333倍时,相位误差变得明显。
最近,注意力神经网络(也称为“变换器”)的成功应用于解决语言模型中的长距离记忆丢失问题(例如ChatGPT(参考文献20))。变换器现在能够有效捕获时间序列或空间数据中的长距离相关性,即使数据点相隔数百万个单位。随后证明它们也适用于图像标记任务,通过一种称为视觉变换器的变体(参考文献24)。我们的NMR相位校正方法结合了CNN和视觉变换器,这种组合在其他领域也经常使用(参见参考文献25)。直观上,这种神经网络架构利用CNN捕获局部特征,而变换器捕获长距离信息。此外,CNN组件有助于减少训练样本的长度,从而便于训练变换器。在视觉变换器的原始应用中,每个输入图像块(即固定大小的一部分图像)的嵌入与其他神经网络部分同时进行训练。这种方法很重要,因为需要同时解释块的位置和内容以理解图像的含义。然而,在我们的自动相位校正神经网络中,每个块的位置信息是独立的,与光谱数据无关。因此,输入光谱的位置信息使用相对位置编码方案进行编码,该方案在保持绝对位置不变的同时,能够捕获元素之间的顺序和成对距离。我们在变换器和最终的全连接网络之间加入了一个全局平均池化层,使得ANN能够处理任意长度的输入光谱,而视觉变换器的最大视野为131,072。我们的ANN模型包含总共319,347个训练参数和192个非训练参数。分别训练了两个独立的ANN模型来检测零阶和一阶相位误差,分别称为ANN-ph0和ANN-ph1。在相位校正工作流程中,两个网络都使用相同的未校正输入光谱,并预测PH0或PH1分量是正数、负数还是零。然后根据ANN的输出进行额外的零阶和一阶相位校正,直到两个模型都表示没有剩余相位误差。
与DEEP Picker的研发类似(参考文献17,18),我们选择使用合成数据而不是真实的实验数据,因为DNN通常需要大量训练数据,尤其是对于变换器网络来说。合成光谱基于小鼠尿液和小鼠血清样本的实验峰列表生成,这些光谱具有复杂的多重峰模式,在3到4 ppm区间内有高度集中的峰区域和广泛的峰重叠。通过随机修改光谱中的峰值(如基于段的峰位置重排、移除以及从原始位置偏移多达2000个数据点的局部位移,以及改变线宽(从3到30个数据点,根据半高全宽FWHH定义)来增强训练数据集的多样性。合成光谱还经历了频率轴的随机反转,因为在大多数实验NMR光谱中,峰通常位于光谱中心的右侧(例如溶剂线,如水)。除了这些修改外,随机选定的峰还被引入了重叠的“肩部”峰,从而改变了单个峰的轮廓,模拟了实验光谱中观察到的非对称Voigt型峰线形状。这种方法防止了网络仅依赖光谱峰的对称性作为目标标准。每个使用上述数据增强技术生成的增强峰列表被用来合成包含131,072、65,536和32,768个复杂数据点的训练光谱。对于每个光谱长度和每个峰列表,生成了三个光谱:一个具有正的PH0值,一个具有负的PH0值,以及一个没有任何相位误差的光谱。绝对PH0误差在0.5°到5.0°之间随机抽样。总共从两个实验峰列表中生成了9,000个训练光谱,从而在PH0训练集中得到了18,000个样本。PH1训练集的构建类似,其随机的一阶相位误差(PH1)范围从1°到10°。每个ANN-ph1训练样本还包括一个随机PH0误差,该误差被限制在与其ANN-ph1误差相同的范围内,以防止模型在训练过程中只关注光谱的某一部分。ANN-ph1训练集也包含18,000个光谱。此外,在大约30%的训练样本中包含了FWHH高达500个数据点的非常宽的峰,以模拟某些1D光谱中可能遇到的光谱背景,例如来自生物大分子的背景。为了进一步模拟实验情况,还向合成光谱中添加了随机的高斯噪声。这有助于确保训练好的模型能够有效处理噪声数据,并且仍然产生稳健的结果。此外,还加入了一个分段三次Hermite插值多项式,其最大振幅为最大光谱峰的0.6%。这一基线添加至关重要,它可以防止训练好的模型主要依赖于负相位光谱点的存在或光谱的全局平滑度来区分相位错误的光谱和正确的相位光谱。因此,模型被“强制”根据由错误相位引起的光谱特征的固有特性来区分相位误差,从而实现更可靠和更稳健的结果。
训练使用TensorFlow v2.19和GPU支持进行。我们的模型总共进行了400个训练周期,采用了4个小批量大小,并使用了学习率为0.0001、权重衰减率为0.00001的Adam优化器。分类交叉熵作为训练损失函数。训练过程在配备64 GB内存和单个Nvidia RTX 2060TI显卡的工作站计算机上大约持续了24小时。鉴于神经网络训练的随机性,无法保证收敛,特别是对于像这里使用的变压器这样的复杂模型。因此,采用了两步法来提高训练的成功率。最终模型是基于一个预训练模型进行训练的,该预训练模型使用了与最终训练数据库相同的算法,但是ANN-ph0训练集的相位误差为5-10°,而ANN-ph1训练集的相位误差为5-20°。因此,与最终数据库相比,预训练数据库更容易区分未相位的光谱和正确相位的光谱。这种策略性方法旨在通过为模型提供一个基于更容易区分的数据的基础,从而增加成功训练的可能性,然后再处理最终数据集上有时微妙的相位校正这一更具挑战性的任务。
所有时域NMR数据集都遵循一系列标准步骤进行处理,包括变迹、傅里叶变换以及由Bruker光谱仪进行的FID数字滤波校正。这些程序确保了在整个光谱宽度范围内移除了任何可能大于360°的PH1误差。随后,基于熵最小化算法进行了一个二维网格搜索,寻找PH0和PH1相位校正角度,这两个角度从?180°变化到+180°,步长为10°,这通常可以将剩余的PH0和PH1相位误差降低到10°以下,适用于包含基线、背景和/或许多重叠峰的光谱。然后程序调用ANN-ph0和ANN-ph1来确定剩余的PH0和PH1相位误差,相应地应用额外的校正,并迭代此过程,直到两个网络都预测不到进一步的相位误差。最后,执行梯度下降细化,以找到两个网络的“无相位误差”预测分数最大的点,或者直到搜索步骤降低到0.3°以下。神经网络推理每个光谱所需的时间小于1秒,典型64k光谱的总处理时间从5秒到20秒不等。图2展示了2D网格上的“无相位误差”预测分数,其中x轴和y轴分别代表光谱左右端的相位误差,对于ANN-ph0(A)和ANN-ph1(B)而言。图中显示了2D表面上选定的五个代表性光谱,中心的光谱是没有相位误差的光谱。ANN-ph0和ANN-ph1各自在这个表面上产生一条线,沿这条线光谱没有PH0和PH1相位误差,并获得最高分数。两条线的交点对应于正确相位的光谱,自动相位校正程序根据上述两个ANN的输出来确定这一点。此插图仅用于说明方法。重要的是,生产程序不依赖于昂贵的网格搜索。
为了测试DEEP Phaser在真实世界光谱上的性能,将其应用于小鼠尿液、葡萄酒、鱼油、DMEM细胞培养基、咖啡、K-Ras·GDP蛋白和Im7蛋白的实验1D 1H光谱(样品制备和NMR实验细节见支持信息)。以有机相(CDCl3)中的鱼油样品为例,图3比较了仅使用熵最小化方法(红色)相位校正的1D 1H光谱和改进后的DEEP Phaser相位校正光谱(蓝色)。顶部面板显示了完整光谱,而底部面板以放大比例显示了两个选定的峰,清楚地表明DEEP Phaser可以实现近乎完美的相位校正,而熵最小化方法仍保留了明显的残余相位误差。
接下来,将DEEP Phaser应用于850 MHz频率下的葡萄酒、尿液、DMEM和K-Ras蛋白的各种1D光谱,展示了其在所有光谱上的优异性能(图4)。图5显示了在不同磁场(850 MHz、600 MHz、400 MHz和(台式)80 MHz 1H频率)下获取的小鼠血清光谱的自动相位校正结果,以评估其性能对B0磁场强度的依赖性。在每种情况下,DEEP Phaser都实现了基本完美的相位校正,使光谱适合完全定量的下游光谱分析,而无需专家光谱学家进行任何额外的相位校正。更多关于咖啡和Im7蛋白光谱的例子见图S1。与Bruker的基于ANN的相位校正和最近的PD-RAN神经网络(19)的比较见图S2和S3,明显显示DEEP Phaser的性能更好。
这里介绍的DEEP Phaser ANN用于完全自动化的1D光谱相位校正,在其训练范围内表现非常出色,能够准确地识别和校正广泛的溶液NMR光谱中的PH0和PH1误差,如图4和5所示。其有效性自然受到训练集中包含的光谱类型和误差范围的限制。训练集包括长度从32K到128K、峰宽从3到30数据点(FWHM)的光谱,涵盖了大多数典型的1D 1H NMR实验。大约30%的训练样本还包括宽度达300数据点的更宽峰,以考虑较大的分子。在我们的测试中,该方法要求光谱中存在大约15个或更多峰。将网络应用于具有超出此范围特征或相位误差的光谱并不能保证产生可靠的结果。此外,我们的ANN模型专门设计用于检测PH0和PH1相位误差。对于具有显著三阶及更高阶相位误差的NMR实验,模型将无法为光谱中的所有峰实现最佳相位校正。
虽然ANN主要作为一个“黑箱”运行,但DEEP Phaser可能通过评估峰的对称性和信号尾部的均匀衰减来识别相位误差。这一点得到了图S5和S6中的自注意力图的支持,这些图突出了模型优先考虑的特定光谱区域。对于屏蔽效果差导致峰畸变的NMR光谱,模型可以识别异常形状,并避免使用峰对称性作为相位误差检测的标准,类似于它处理具有大量峰重叠的区域的方式。另一方面,对于人类眼睛难以检测的非常微妙的畸变,训练有素的ANN将尝试平衡峰对称性和尾部衰减,以产生最佳可能的相位光谱。
由于接收机的有限死时间,检测到的FID的最早数据点通常会缺失或失真,这可能会导致频域光谱中出现全局的、低振幅的基线畸变或“波动”。为了减轻这种效应,光谱仪制造商采用了一种涉及数字滤波的校正方案,这通常是专有的。这一过程的目标是取消基线畸变,理想情况下产生一个零强度水平的完全平坦基线。然而,根据我们的经验,完美的基线校正并不能保证,其性能会因光谱而异。尽管将光谱相位调整以获得最平坦的基线(包括最小化光谱边缘的畸变)很有吸引力,但这种方法可能会与单个峰所需的最优相位校正相冲突。DEEP Phaser优先考虑所有单个峰的正确相位校正,而不是实现平坦的基线。任何由此产生的基线伪影,包括光谱边缘的畸变,可以在相位校正完成后在后续步骤中解决或消除。为此,我们实现了Xi和Rocke(26)提出的基于统计的基线校正方法,并将其整合到了我们的自动相位校正流程中。基线校正可以根据特定光谱的需求进行调整,例如,有效地消除某些代谢组学样品中的宽蛋白背景,如图S4所示。DEEP Phaser 已在开源的 COLMARvista 软件(23)以及 COLMAR 网络服务器(21,22,27)中实现,该算法支持基于基线和背景校正的相位校正功能。通过将其应用于单个 1D 截面或投影数据,DEEP Phaser 可用于处理二维及以上维度的核磁共振(NMR)谱图。总的来说,我们提出了基于机器学习的自动化 NMR 相位校正算法“DEEP Phaser”,该算法结合了经典卷积神经网络(CNN)和 Transformers 的优势。CNN 在局部模式识别方面表现出色,而 Transformers 则凭借其注意力机制能够同时分析大量数据点和宽频谱范围内的光谱,从而有效识别微小的相位误差。我们的相位校正模型经过了一系列实验性 1D NMR 谱图的严格测试,证明了其极高的准确率。通过将 DEEP Phaser 应用于单个 1D 截面或投影数据,可以对二维及以上维度的 NMR 谱图进行相位校正。对于复杂 NMR 谱图而言,该算法所实现的相位校正精度和鲁棒性使其可以集成到完全自动化的 NMR 工作流程中,从而无需人工干预这一虽小但至关重要的数据处理步骤。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号