Nghiên cứu phương pháp liên kết đỉnh trong dữ liệu phổ cộng hưởng từ hạt nhân NMR

ISSN: 1859-2171 TNU Journal of Science and Technology 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 17 
NGHIÊN CỨU PHƯƠNG PHÁP LIÊN KẾT ĐỈNH TRONG DỮ LIỆU PHỔ 
CỘNG HƯỞNG TỪ HẠT NHÂN NMR 
Nguyễn Thị Oanh*, Phạm Thị Liên, Nguyễn Thị Thanh Tâm 
Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên 
TÓM TẮT 
Bài viết này trình bày một phương pháp liên kết đỉnh hiệu quả cho dữ liệu phổ cộng hưởng từ hạt 
nhân (Nuclear magnetic resonance - NMR). Phân tích phổ cộng hưởng từ hạt nhân có nhiều tính 
năng mạnh mẽ, là một công cụ hữu ích cho cả phân tích định lượng và định tính. NMR và các kỹ 
thuật nhận dạng mẫu là công cụ kết hợp không thể thiếu được sử dụng thường xuyên trong hệ 
thống sinh học và trong ngành công nghiệp dược phẩm. Hiện nay đã có khá nhiều bài viết của các 
nhà khoa học trên thế giới đã đề cập, nghiên cứu các phương pháp liên kết cho các dạng dữ liệu tín 
hiệu trong đó có dữ liệu NMR. 
Trong nghiên cứu này chúng tôi đã phân tích các phương pháp đã có, đưa ra nhận xét và cải tiến 
một phương pháp đạt hiệu quả tốt hơn. Dữ liệu sử dụng trong nghiên cứu là cơ sở dữ liệu phổ cộng 
hưởng từ thực tế, là mẫu nước tiểu của một bệnh viện. Chúng tôi tiến hành nghiên cứu, thử nghiệm 
với các mức, các khoảng chia dữ liệu khác nhau. Phương pháp phân tích phổ tín hiệu này đáp ứng 
được mục tiêu phân tích phổ được nhanh chóng, hiệu quả hơn so với một số phương pháp đã có. 
Từ khóa: NMR, cộng hưởng từ hạt nhân, quang phổ, căn chỉnh đỉnh, phân tích đỉnh 
Ngày nhận bài: 06/12/2018; Ngày hoàn thiện: 24/01/2019; Ngày duyệt đăng: 28/02/2019 
RESEARCH PEAK ALIGNMENT METHOD FOR NUCLEAR MAGNETIC 
RESONANCE (NMR) SPECTRA 
Nguyen Thi Oanh
*
, Pham Thi Lien, Luong Thi Minh Hue, Dao Thi Hang 
University of Information and Communication Technology - TNU 
ABSTRACT 
This paper presents an efficient peak alignment method for nuclear magnetic resonance (NMR). It 
has many powerful features, is a useful tool for both quantitative and qualitative analysis. NMR 
and template recognition techniques are indispensable tools commonly used in biological systems 
and in the pharmaceutical industry. Currently, there have been many articles of scientists in the 
world mentioned, researching the peak alignent methods for the types of signal data including 
NMR data. 
In this research we have analyzed existing methods, made remarks and improved a better method. 
The data used in the study are the actual magnetic resonance spectral database, a urine sample of a 
hospital. We conduct research, experiment with different levels, data divisions. This peak 
alignment method satisfies the goal of rapid spectrum analysis, which is more efficient than some 
existing methods. 
Keywords: NMR, nuclear magnetic resonance, spectral, peaks alignment, peak analysis 
Received: 06/12/2018; Revised: 24/01/2019; Approved: 28/02/2019 
* Corresponding author: Tel: 0981 368 808, Email: ntoanh@ictu.edu.vn 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 18 
GIỚI THIỆU 
Trong những năm gần đây, nhiều nhà khoa 
học có xu hướng quan tâm đến khoa học 
omics trong đó quang phổ cộng hưởng từ hạt 
nhân (NMR) đóng một vai trò trung tâm. 
NMR là một kỹ thuật linh hoạt vì nó cung cấp 
một số lượng lớn các tín hiệu của các phân tử 
khác nhau trong một phổ NMR có nhiều tính 
năng mạnh mẽ, làm cho nó trở thành một 
công cụ hữu ích cho cả phân tích định lượng 
và định tính, kỹ thuật nhận dạng mẫu và 
NMR là những công cụ kết hợp không thể 
thiếu. thường xuyên được sử dụng trong các 
hệ thống sinh học và trong ngành công nghiệp 
dược phẩm. 
Mặc dù quang phổ NMR là một công cụ phân 
tích mạnh mẽ cho định dạng chuyển hóa định 
lượng, một trong những khía cạnh cản trở 
phân tích vi phân mạnh mẽ là thực tế là tần số 
cộng hưởng của các đỉnh có thể trải qua sự 
thay đổi. Một loạt các yếu tố, thường liên 
quan đến việc kiểm soát hoàn toàn các điều 
kiện thí nghiệm, góp phần làm thay đổi đỉnh 
không đồng nhất, bao gồm tương tác hóa lý 
và sự khác biệt về pH [1] nhiệt độ, ma trận 
nền hoặc cường độ ion [2]. Khi phân tích các 
dữ liệu thu thập được hoặc các mẫu phức tạp 
sẽ khó khăn và tốn thời gian, đó là thách thức 
đối với các nhà khoa học máy tính với các 
chương trình thống kê và tính toán sẽ giúp 
phân tích tự động nhanh chóng và hiệu quả. 
Trong các phần tiếp theo trình bày các nội 
dung: Phần 2 trình bày các phương pháp liên 
kết đỉnh trong dữ liệu phổ cộng hưởng từ hạt 
nhân, đưa ra nhận xét ưu nhược điểm, so sánh 
các phương pháp để tìm thử nghiệm cải tiến 
các phương pháp đó. Phần 3 giới thiệu cách 
xây dựng phương pháp liên kết đỉnh trong dữ 
liệu NMR. Phần 4 trình bày quá trình thử 
nghiệm phương pháp mới xây dựng và 
phương pháp đã có với bộ dữ liệu thực tế và 
kết quả. Cuối cùng là phần kết luận hướng 
nghiên cứu tiếp theo được trình bày trong 
phần 5 của bài báo. 
CÁC PHƯƠNG PHÁP PHÂN TÍCH ĐỈNH 
TRONG DỮ LIỆU PHỔ CỘNG HƯỞNG 
TỪ HẠT NHÂN 
Hiện tại, đã có nhiều phương pháp xử lý vấn 
đề này và chúng hoạt động tốt cho các tín 
hiệu có mức nhiễu thấp. Binning là một 
phương pháp đơn giản và phổ biến trong phân 
tích dữ liệu quang phổ. Phương pháp này sẽ 
chia quang phổ thành các xô nhỏ (small 
buckets) với kích thước lý tưởng là 0,04 ppm, 
mỗi phần đó sẽ có chứa các biến thể thay đổi 
đỉnh [3]. 
Thuật toán đầu tiền được phát triển liên quan 
đến việc áp dụng thuật toán di truyền để liên 
kết các phân đoạn của quang phổ [4]. Thuật 
toán tiếp theo là ứng dụng của một phương 
trình tuyến tính phù hợp để sắp xếp một phần 
quang phổ [5]. Ngoài ra còn có phương pháp 
tìm kiếm trong vùng phổ bù là phương pháp 
phân tích thành phần chính - Principle 
Component Analysis (PCA) [6]. Hầu hết các 
phương pháp này chưa được áp dụng rộng rãi 
do thiếu hiệu năng liên kết và / hoặc chi phí 
tính toán cao. Wong et al. [5] giải quyết vấn 
đề không hiệu quả tính toán bằng cách sử 
dụng công cụ tương quan Fast Fourier 
Transformation (FFT) để tăng tốc các thuật 
toán liên kết đỉnh bằng FFT - Peak Alignment 
by FFT (PA FFT) và đồng thời sử dụng các 
khoảng phổ thông thường để được liên kết 
riêng. Veskelov et al. [7] kết hợp các tính chất 
của phương pháp chọn đỉnh với FFT và các 
tính năng khoảng thời gian của PA FFT. 
Một trong những giải pháp hiện đại nhất là 
phương pháp thay đổi tương quan giữa các 
khoảng tối ưu - interval correlation optimized 
shifting (icoshift) [8]. Phương pháp này độc 
lập sắp xếp từng tín hiệu NMR với một đích 
chọn trước theo tương quan chéo giữa các tín 
hiệu trong khoảng thời gian do người dùng 
xác định. 
Nguyên tắc cơ bản của icoshift là khá giống 
với các phương pháp đã công bố khác cho sự 
liên kết của các tín hiệu quang phổ và sắc ký: 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 19 
Liên kết đỉnh bằng FFT (PAFFT)[9], Liên kết 
đỉnh đệ qui theo FFT - Recursive Peak 
Alignment by FFT (RAFFT)[4] và phân đoạn 
đỉnh liên kết đệ qui - Recursive Segment-wise 
Peak Alignment (RSPA)[10]. 
Thuật toán icoshift dựa trên sự thay đổi tương 
quan của các khoảng quang phổ và sử dụng 
thuật toán FFT để căn chỉnh đồng thời tất cả 
các quang phổ. Thuật toán có thể sử dụng các 
giá trị thiếu (Not a Number - NaN) như là một 
thay thế để tránh xuất hiện biến thể của đỉnh 
tại ranh giới của các phân đoạn tín hiệu. 
Thuật toán là một công cụ trợ giúp đầy đủ 
cùng với các thuật toán cũng như là một bản 
demo có thể làm việc trên một bộ dữ liệu 
NMR thực [11]. 
Phương pháp Icoshift là một công cụ linh 
hoạt cho sự liên kết đỉnh nhanh chóng cho tín 
hiệu NMR. Tuy nhiên, giống như phần lớn 
các phương pháp liên kết hiện tại, phương 
pháp Icoshift không thể sửa đổi thứ tự các 
đỉnh. Trong khi đó chúng ta đang có một nhu 
cầu rõ ràng về các phương pháp tính toán để 
căn chỉnh chính xác các đỉnh tương ứng trên 
phổ. Nếu các đỉnh được dịch chuyển không 
đều giữa các phổ khác nhau, chúng sẽ không 
được kết hợp đúng và phân tích định lượng 
đơn biến hoặc đa biến về cường độ tín hiệu 
của chúng có thể bị tổn hại. 
XÂY DỰNG PHƯƠNG PHÁP LIÊN KẾT 
ĐỈNH MỚI TRONG DỮ LIỆU PHỔ CỘNG 
HƯỞNG TỪ HẠT NHÂN 
Để nghiên cứu một phương pháp mới cho bài 
toán liên kết đỉnh này, nhóm đề xuất các bước 
thực hiện như hình 1 dưới đây. 
Hình 1. Quá trình nghiên cứu phương pháp liên 
kết đỉnh mới cho phổ NMR 
Phương pháp liên kết đỉnh được chia thành 4 
bước như sau: 
• Xác định các đỉnh, 
• Lựa chọn với đỉnh theo cặp, 
• Tìm khoảng dịch chuyển 
• Chuyển dịch tín hiệu 
Xử lý dữ liệu ban đầu - Preprocessing dataset 
Xử lý dữ liệu ban đầu là một bước trung gian 
giữa dữ liệu quang phổ thô và phân tích dữ 
liệu. Mục tiêu chính của bước này là chuyển 
đổi dữ liệu sao cho các mẫu trong tập dữ liệu 
có thể so sánh được nhiều hơn, dễ dàng hơn 
và cải thiện việc phân tích dữ liệu. 
Chuẩn hóa dữ liệu – Normalization 
Mục đích chính là làm cho tất cả các mẫu có 
thể so sánh với nhau bằng cách loại bỏ hoặc 
giảm thiểu tổng lượng vật liệu trên mỗi mẫu 
hoặc pha loãng chất chuyển hóa. Cách chuẩn 
hóa điển hình là phép nhân của mỗi hàng (tức 
là mỗi phổ NMR) theo một hằng số [12]. 
Hằng số này có thể được tính theo nhiều cách 
khác nhau. Các phương pháp chuẩn hóa dữ 
liệu: chuẩn hóa tích phân, chuẩn hóa từng 
quang phổ riêng lẻ thành cường độ tích hợp 
tổng không đổi trên toàn bộ cấu hình [13], 
chuẩn hóa không thể thiếu hay còn gọi là 
chuẩn hóa tổng không đổi [12]. Trong nghiên 
cứu này, chúng tôi sẽ giả định một sự chuẩn 
hóa dựa trên sự thống nhất hoặc dựa trên tính 
năng mở rộng quy mô. Để chuẩn hóa dữ liệu 
một cách thống nhất, chúng tôi đưa tất cả các 
giá trị dữ liệu về giá trị từ 0 đến 1. 
Phương trình (1) được sử dụng để thực hiện 
chuẩn hóa dựa trên sự thống nhất: 
(1) 
Trong đó : 
Xi = Điểm dữ liệu thứ i 
Xmin = Giá trị nhỏ nhất trên các điểm dữ liệu 
Xmax = Giá trị lớn nhất trên các điểm dữ liệu 
Xinew = Điểm dữ liệu thứ i sau khi chuẩn hóa 
có giá trị từ 0 đến 1 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 20 
Làm mịn dữ liệu - Smoothing dataset 
Một số thuật toán làm mịn tín hiệu phổ biến: 
Bộ lọc trung bình trượt - Moving Average 
Filter – MAF, thuật toán Savitzky-Golay, 
Ensemble Average, Applet và các thuật toán 
khác [14]. 
Tìm đỉnh - Find peak 
Các giải pháp để xử lý và so sánh quang phổ 
với ca làm việc bao gồm sự liên kết đỉnh. 
Trước hết, chúng ta cần phải tìm ra tất cả các 
đỉnh trong phổ tín hiệu toàn bộ. Một đỉnh 
được định nghĩa là giá trị cực đại của tín hiệu 
Để tránh chọn các artifact (các đỉnh tiếng ồn), 
chúng ta chỉ xem xét các cực trị có các giá trị 
trên một ngưỡng nhất định. Đỉnh tìm được có 
giá trị lớn hơn giá trị đỉnh liền trước và liền 
sau nó đồng thời giá trị đó phải lớn hơn giá trị 
ngưỡng đã cho. 
Hình 2. Các đỉnh của tín hiệu sau khi tìm được 
Sắp xếp đỉnh theo cặp - Match peak 
Bước tiếp theo là so khớp các đỉnh sau khi 
tìm vị trí của chúng. Dữ liệu đầu vào là ma 
trận vị trí đỉnh được tìm thấy ở bước trước và 
giá trị ngưỡng là giá trị được sử dụng để so 
sánh sự khác biệt giữa các vị trí đỉnh khi so 
khớp chúng theo cặp. Dữ liệu đầu ra của bước 
này là một ma trận với mỗi cột là vị trí của 
các đỉnh tương ứng. 
Chọn chuyển dịch cho mỗi tín hiệu – 
Choose shifting 
Trong bước này, hàm sẽ tính toán cách dịch 
chuyển cho mỗi tín hiệu để căn chỉnh phổ 
theo mục tiêu đã chọn. Nếu chúng ta có sự lựa 
chọn tốt của một mục tiêu phù hợp, đó là do 
đó quan trọng nhất cho một kết quả tốt hơn và 
không thiên vị. Khi chọn mục tiêu, nó phải 
được xem xét rằng cả hình dạng và vị trí của 
nó (sự thay đổi hóa học) đều quan trọng. Mặc 
dù trung bình hoặc phổ trung bình thường là 
lựa chọn tốt, đôi khi (trong trường hợp lệch 
mạnh), chúng không cung cấp hình dạng tối 
ưu cho mục tiêu trong mỗi khoảng thời gian 
và cần lựa chọn cẩn thận một trong những 
phổ thực nhất. 
Dịch chuyển tín hiệu – Shift signal 
Trong bước trước, chúng tôi có các giá trị lưu 
trữ mảng thay đổi để thay đổi mọi tín hiệu 
theo tín hiệu đích đã chọn. Để tiếp tục, sử 
dụng các thuật toán shiftSignal để chuyển tín 
hiệu bằng các giá trị được lưu trữ trong mảng 
dịch chuyển. Có tín hiệu sẽ dịch chuyển sang 
trái với giá trị dịch chuyển là âm và dịch sang 
phải nếu giá trị là dương. Vì vậy, sau khi thay 
đổi độ dài của tín hiệu sẽ tăng lên. Theo tính 
toán, số lượng tín hiệu cột sẽ tăng bằng tổng 
giá trị tuyệt đối của giá trị dịch chuyển tối 
thiểu và giá trị dịch chuyển tối đa. 
THỬ NGHIỆM VÀ ĐÁNH GIÁ 
Trong nghiên cứu này, nhóm tác giả sử dụng 
công cụ MATLAB để minh họa thuật toán. 
Dữ liệu được chọn thử nghiệm thuật toán là 
bộ dữ liệu thu thập từ 91 mẫu nước tiểu của 
bệnh nhân, kích thước 91 mẫu x 4691 biến. 
Thử nghiệm sẽ thực hiện trên thuật toán 
Icoshift và thuật toán mới nhóm nghiên cứu 
đã xây dựng (Alignment). Mỗi thử nghiệm sẽ 
chọn nhóm tín hiệu trong một phân đoạn dữ 
liệu nào đó. Kết quả của các thử nghiệm được 
trình bày trong hình vẽ, hình đầu tiên là dữ 
liệu thô, hình thứ 2, 3 là kết quả sau khi lần 
lượt áp dụng thuật toán Alignment và Icoshift 
Thử nghiệm 1 
Chọn dữ liệu sau khi chuẩn hóa từ bộ dữ liệu 
Urine.mat. Sử dụng một đoạn tín hiệu ngẫu 
nhiên để kiểm tra. 
Áp dụng thuật toán Alignment cho 15 tín hiệu 
từ đoạn dữ liệu 2320 đến 2350, giá trị ngưỡng 
là 20 và giá trị nhỏ nhất để tìm đỉnh là 0,7. 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 21 
Hình 3. Kết quả thử nghiệm 1 
Kết quả của thử nghiệm 1 được trình bày 
trong hình vẽ trên, hình đầu tiên là dữ liệu 
thô, hình thứ 2, 3 là kết quả sau khi lần lượt 
áp dụng thuật toán Alignment và Icoshift. Có 
thể thấy trong hình trên từ dữ liệu thô sau khi 
áp dụng cả hai thuật toán liên kết đỉnh đều 
cho kết quả khá tốt, các tín hiệu đã hội tụ gần 
với tín hiệu mẫu và không có sự sai khác quá 
nhiều giữa hai phương pháp. 
Thử nghiệm 2 
Chọn 50 tín hiệu từ 1 đến 50 trong phân đoạn 
dữ liệu từ 3330 đến 3350 thể hiện ở hình 4. 
Quan sát kết quả trên ta thấy phương pháp 
Alignment tốt hơn phương pháp Icoshift trong 
việc dịch chuyển tín hiệu. Trong kết quả 
phương pháp Alignment các tín hiệu hội tụ tại 
đỉnh, còn kết quả phương pháp Icoshift, các 
tín hiệu mặc dù có sự dịch chuyển nhưng lại 
chưa hội tụ vào một đỉnh. 
Thử nghiệm 3 
Chọn tập dữ liệu khác cho thử nghiệm này, 
với 20 tín hiệu từ 1 đến 20 trong phân đoạn từ 
3560 đến 3580. 
Kết quả thử nghiệm này cho thấy, sự liên kết 
đỉnh bằng phương pháp Alignment vẫn có kết 
quả tốt hơn so với Icoshift. Tất cả các đỉnh 
trong 20 phổ được căn chỉnh chính xác vị trí. 
Trong thuật toán icoshift, các tín hiệu đã được 
dịch chuyển và sắp xếp lại nhưng vị trí đỉnh 
vẫn không thống nhất, cụ thể được đặt thành 
hai điểm. 
Hình 4. Kết quả thử nghiệm 2 
Hình 5. Kết quả thử nghiệm 3 
* Đánh giá phương pháp Alignment 
Đánh giá phương pháp dựa trên tỷ lệ đỉnh phù 
hợp là một phép đo lượng tử của phương 
pháp căn chỉnh đỉnh. 
A là ma trận phù hợp với kích thước đỉnh 
nxm, A lưu trữ vị trí tương ứng của các đỉnh, 
trong đó n là số tín hiệu được sử dụng để 
khớp, m là các đỉnh số của tín hiệu đích. 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 22 
Trong ma trận A, aij là phần tử hàng i, cột j 
của ma trận và giá trị của nó là vị trí của đỉnh 
trong tín hiệu i. Cột đầu tiên tất cả các phần tử 
a11,, a1n có giá trị khác 0 vì chọn tín hiệu 
đầu tiên làm tín hiệu đích. 
tj là số phần tử khác 0 hoặc số đỉnh khớp với 
đỉnh j trong tín hiệu đầu tiên. Tỷ lệ phù hợp 
với đỉnh R được tính theo công thức (2): 
 (2) 
n là số hàng ma trận 
m là số cột ma trận 
Bảng dưới đây trình bày tỷ lệ đỉnh phù hợp 
khi áp dụng phương pháp căn chỉnh đỉnh 
Alignment. Trong các thí nghiệm chúng tôi sẽ 
thay đổi các giá trị tham số được sử dụng 
trong phương pháp căn chỉnh đỉnh: phân đoạn 
dữ liệu, thứ tự tín hiệu, giá trị ngưỡng, giá trị 
tối thiểu. 
Bảng 1. Tỷ lệ căn chỉnh đỉnh khi giá trị ngưỡng thay đổi 
Phân đoạn Số tín hiệu Giá trị ngưỡng Giá trị tối thiểu Tỉ lệ (%) 
4100:4200 10:30 20 0,5 94,64 
4100:4200 10:30 15 0,5 91,07 
4100:4200 10:30 10 0,5 85,12 
Từ tỉ lệ thu được ở bảng trên ta thấy thí nghiệm này có thể được coi là thu hẹp giá trị ngưỡng tới 
khoảng cách tương ứng giữa các đỉnh sẽ giảm tỉ lệ phù hợp đỉnh. 
Bảng 2. Tỷ lệ căn chỉnh đỉnh khi thay đổi giá trị tối thiểu 
Phân đoạn Số tín hiệu Giá trị ngưỡng Giá trị tối thiểu Tỉ lệ (%) 
4100:4200 10:30 20 0,3 98,57% 
4100:4200 10:30 20 0,5 94,64% 
4100:4200 10:30 20 0,7 52,38% 
Kết quả bảng 2, sau khi thay đổi giá trị tối thiểu để tìm đỉnh ta thấy giá trị tối thiểu càng cao thì 
giá trị tỷ lệ càng thấp. 
Bảng 3. Tỷ lệ liên kết đỉnh khi tín hiệu phân đoạn thay đổi 
Phân đoạn Số tín hiệu Giá trị ngưỡng Giá trị tối thiểu Tỉ lệ (%) 
4100:4200 1:30 20 0,5 90,83 
1400:1500 1:30 20 0,5 90 
2500:2600 1:30 20 0,5 100 
3500:3800 1:30 20 0,5 80 
Nhìn vào các bảng trên, ta thấy đánh giá về giá trị của tỷ giá khác nhau tùy thuộc vào giá trị được 
lựa chọn của các yếu tố tương ứng. Các chỉ số phù hợp với từng phân đoạn tín hiệu sẽ dẫn đến tỷ 
lệ cao và ngược lại. Việc áp dụng phương pháp căn chỉnh đỉnh này cho tập dữ liệu sẽ đạt được 
kết quả tốt nếu có các tùy chọn giá trị phù hợp cho mỗi đối số. 
KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO 
Nhóm nghiên cứu đã thực hiện tìm hiểu các phương pháp liên kết đỉnh đã có, đưa ra ưu nhược 
điểm đồng thời xây dựng một phương pháp liên kết đỉnh mới cho dữ liệu NMR và so sánh với 
các phương pháp đã có dựa trên việc áp dụng vào cùng một bộ dữ liệu thực tế. Phương pháp mới 
này khi đánh giá trên các thực nghiệm cho thấy hiệu quả hơn, chính xác hơn các phương pháp đã 
có khi cùng áp dụng trong bộ dữ liệu thực tế. Chúng tôi dự định sẽ chỉnh sửa và phát triển hơn 
cho phương pháp của mình đồng thời thử nghiệm nhiều hơn với những bộ dữ liệu thực tế khác để 
đánh giá và nâng cao chất lượng. 
Nguyễn Thị Oanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ ĐHTN 195(02): 17 - 23 
 Email: jst@tnu.edu.vn 23 
TÀI LIỆU THAM KHẢO 
1. H. Winning, F. H. Larsen, R. Bro, S. B. 
Engelsen (2008), Quantitative analysis of NMR 
spectra with chemometrics, J. Magn. Reson. 190 
(2008), pp. 26–32. 
2. C. Z. Gao, R. T. Liu, R. D. Pan and Y. Zheng 
(2006), Transactions of the Institute of Metal 
Finishing, 84, pp. 5. 
3. Beneduci, A.; Chidichimo, G.; Dardo, G.; 
Pontoni, G. (2011), Highly routinely reproducible 
alignment of 1H NMR spectral peaks of 
metabolites in huge sets of urines. Anal. Chim. 
Acta, 685, 186–195. 
4. J. Forshed, I. Schuppe-Koistinen, S. P. 
Jacobsson (2003), Peak alignment of NMR signals 
by means of a genetic algorithm, Anal. Chim. 
Acta 487 (2003), pp. 189–199. 
5. J. W. H. Wong, C. Durante, H. M. Cartwright 
(2005), Application of fast Fourier transform 
cross-correlation for the alignment of large 
chromatographic and spectral datasets, Anal. 
Chem. 77 (2005), pp. 5655–5661. 
6. R. Stoyanova, A. W. Nicholls, J. K. Nicholson, 
J. C. Lindon, T. R. Brown (2004), Automatic 
alignment of individual peaks in large high-
resolution spectral data sets, J. Magn. Reson. 170 
(2004), pp. 329–335. 
7. K. A. Veselkov, J. C. Lindon, T. M. D. Ebbels, 
D. Crockford, V. V. Volynkin, E. Holmes, D. B. 
Davies, J. K. Nicholson (2009), Recursive 
segment-wise peak alignment of biological H-1 
NMR spectra for improved metabolic biomarker 
recovery, Anal. Chem. 81 (2009), pp. 56–66. 
8. F. van den Berg, G. Tomasi, N. Viereck (2005), 
Warping: investigation of NMR preprocessing and 
correction, in: S.B. Engelsen, P.S. Belton, H.J. 
Jakobsen (Eds.), Magnetic Resonance in Food 
Science: The Multivariate Challenge, Royal 
Society of Chemistry, Cambridge, 2005, pp. 131–
138. 
9. Wong J. W. H., Durante C., Cartwright H. M. 
(2005), Application of fast Fourier transform 
cross-correlation for the alignment of large 
chromatographic and spectral datasets. Anal. 
Chem., 77, pp. 5655–5661. 
10. G. C. Lee, D. L. Woodruff (2004), Beam 
search for peak alignment of NMR signals, Anal. 
Chim. Acta 513 (2004), pp. 413–416. 
11. F. Savorani, G. Tomasi, S. B. Engelsen 
(2010), icoshift: A versatile tool for the rapid 
alignment of 1D NMR spectra, J. Magn. Reson. 
(2010) 202, pp. 190-202. 
12. Craig A., Cloarec O., Holmes E., Nicholson J. 
K., Lindon J. C. (2006), Scaling and 
normalization effects in NMR spectroscopic 
metabonomic data sets., Anal Chem 2, 78(7), pp. 
2262-2267. 
13. Spraul M., Neidig P., Klauck U., Kessler P., 
Holmes E., Nicholson J. K., Sweatman B. C., 
Salman S. R., Farrant R. D., Rahr E., Beddell C. 
R., Lindon J. C. (1994), Automatic Reduction of 
Nmr Spectroscopic Data for Statistical and 
Pattern-Recognition Classification of Samples. 
Journal of Pharmaceutical and Biomedical 
Analysis 1994, 12, (10), pp. 1215-1225. 
14.
appl_smooth2.html.