未知物成分分析是通过综合的分离和分析手段对复杂的未知化学品的成分进行定性和定量分析，为科研、产品生产、产品开发、改进生产工艺提供科学依据，为企业引进、消化吸收再创新提供强大技术支撑。
未知物成分分析覆盖电子、纺织、日化、塑料、橡胶等各个领域，具体包括：
Ø 助剂产品：纺织、皮革助剂（柔软剂、匀染剂、整理剂等）；电镀（锌、铜、铬、镍、贵重金属）助剂（前处理添加剂、光亮剂、辅助光亮剂等）；塑料和橡胶制品助剂（增塑剂、抗氧剂、阻燃剂、光和热稳定剂、发泡剂、填充剂、抗静电剂等）；涂料助剂（乳化剂、润湿分散剂、消泡剂、阻燃剂等）；线路板制造化学品助剂；电子助焊剂；陶瓷助剂；铝合金表面处理助剂；其它精细化工助剂
Ø 油墨产品：墨水，感光油墨等
Ø 化妆品：洗发、护发用品、护肤用品、美容用品、口腔卫生制品等
Ø 香精、香料
Ø 表面活性剂、民用和工业用清洗剂
Ø 有机溶剂: 油漆稀释剂，天那水，脱漆剂，电子、纺织、印刷行业用溶剂
Ø 水处理剂：缓蚀剂、混凝剂和絮凝剂、阻垢剂等
Ø 石油化学品：润滑油，切削液等
Ø 气雾剂、光亮剂、杀虫剂、脱模剂、致冷剂、空气清新剂等
Ø 高分子材料
Ø 其它化工产品
工业诊断分析是指通过样品或生产过程中微量污染物的鉴定，来查找工业生产过程中的质量事故原因的方法。工业诊断分析需要综合运用各类常量、微量和痕量检测技术，主要成分与杂质成分鉴定并举，有机分析与无机分析并重，成分分析与生产工艺流程分析结合，尤其是对检测结果的分析和综合判断能力要求很高，才能对产品质量事故原因进行分析诊断。
工业诊断分析业务已涉及精细化工、医疗制品及临床、造纸、电镀、精密仪器制造、汽车生产等工业领域。
行业资讯：
为了进一步增强对单细胞异质性的理解，采用己基谷胱甘肽作为内标，对 TCCSUP单细胞中的代 谢物含量进行分析，结果显示 10 个单细胞中天冬氨酸、谷氨酸、谷胱甘肽等物质的含量具有明显差 异，其中Cell5、Cell6代谢物含量显著高于其他细胞（见图4），表明即使来源于同一类细胞，单个细胞 之间的代谢特征仍存在较大差异。
基于机器学习的膀胱癌细胞分型结果 本文建立了LDA、RF、SVM和LR分类模型预测单细胞的类型，并对每个模型采用网格搜索法和5 折交叉验证进行超参数调优，得到具有*优超参数的分类模型。LDA算法采用奇异值分解“svd”作为 求解器求解*优化问题。RF算法中决策树的构建是模型建立的关键，决策树个数 n_estimators 为其* 重要参数，直接影响RF的运行速度和分类效果。本文对n_estimators在10 ~ 500之间进行网格搜索，分 类准确率在50 ~ 500间趋于稳定，故选择50作为*优参数。SVM算法分类结果的好坏主要取决于核函 数 Kernel、核函数系数 Gamma 以及惩罚系数 C 的取值，对其进行多次网格搜索，*终确定当 Kernel = ‘poly’，GGamma = 1 000，C = 100 000时为*优模型。对于LR算法，选择‘lbfgs’作为损失函数的优 化方法，惩罚系数 C = 120。经上述模型调优后，对所有预处理后的数据集进行五次十折交叉验证， 表1显示了平均分类结果。结果显示，4个模型均获得了良好的预测精度，分类准确率≥ 94. 9%，显示 了其有效鉴别 5637、UMUC3、TCCSUP 3 种膀胱癌细胞亚型的潜力。其中，RF 模型的预测精度高于
单细胞异质性分析 本文对单个膀胱癌细胞的代谢谱进行分析，并在二维空间可视化细胞间的差异。图3A显示了每个 单细胞代谢物离子的相对强度。采用 t-SNE 算法对数据进行降维分析，经 999 次迭代后高维和低维的 KL散度为0. 326，表明数据从高维空间降至低维空间的损失函数较小，两空间分布差异较小，降维效 图2 不同样品中3种代谢物（鸟氨酸、谷氨酸、谷胱甘肽）的MS2 谱图 Fig. 2 MS2 spectra of three metabolites （ornithine，glutamic acid，L-glutathione） in different samples A－C：blank sample；D－F：standard；G－I：single cell 624 第 5 期 孙佳琪等：基于单细胞质谱分析的膀胱癌细胞分型研究 果较好。图 3B 显示了不同膀胱癌细胞亚型的 t-SNE 聚类结果，可以看出不同细胞亚型能够明显区分， 不同组间的距离明显大于组内的距离。