ФИЗИКОХИМИЯ ПОВЕРХНОСТИ И ЗАЩИТА МАТЕРИАЛОВ, 2014, том 50, № 4, с. 440-444
МЕТОДЫ ИЗУЧЕНИЯ ФИЗИКО-ХИМИЧЕСКИХ СИСТЕМ
УДК 544.6,617.7
ЭКСПРЕСС-СКРИНИНГ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ МЕТОДОМ МУЛЬТИСЕНСОРНОЙ ИНВЕРСИОННОЙ ВОЛЬТАМПЕРОМЕТРИИ С РАСПОЗНАВАНИЕМ ОБРАЗОВ
© 2014 г. И. И. Колесниченко7, А. Л. Клюев7, В. М. Ганшин7, Е. П. Кантаржи2, А. Н. Доронин7, В. П. Луковцев7, В. Н. Андреев7, В. В. Емец7, В. А. Семенова7
Москва, Федеральное государственное бюджетное учреждение науки Институт физической химии и электрохимии имени А.Н. Фрумкина РАН (ИФХЭ РАН). 2Москва, Российский национальный исследовательский медицинский университет им. Н.И. Пирогова
e-mail: kolesnichenko-ii@mail.ru Поступила в редакцию 22.12.2013 г.
Экспресс-диагностика биологических объектов необходима для оперативной предварительной оценки различных состояний организма. Предложен метод распознавания многомерных образов, полученных в результате анализа мультисенсорных вольтамперограмм электрохимической тест-системы в форматах "Электронный язык", "Электронный нос". Форматы реализуются в процессе электрохимического исследования жидкой или газообразной фазы. Оценивается близость полученного образа тестируемого объекта с известными образцами, накопленными в базе данных. Приведены примеры экспресс-диагностики глаукомы по результатам электрохимических исследований сыворотки крови.
Б01: 10.7868/$004418561404007Х
ВВЕДЕНИЕ
Решение проблемы эффективной диагностики заболеваний посредством раннего выявления болезни имеет целью качественное упрощение первичных мероприятий при одновременном снижении временных и трудовых затрат на их проведение.
При проведении комплексных анализов, в рамках известной "концепции метаболического профиля" [1] клиническая химия в основном ограничивается исследованиями состава жидкостей тела человека [2]. Известно, что разновидности патогенных микроорганизмов производят широкий диапазон летучих органических соединений (ЛОС). Результатами многочисленных анализов диагностический потенциал вторичных микробных метаболитов был признан и сочтен теоретически возможным для установления патогенного состояния еще в 1960-гг. [3]. Однако, использование газовой хроматографии и масс-спектроскопии для анализа ЛОС является дорогим, трудоемким и требует высококвалифицированного персонала. Существующие различия в запахах больных и здоровых тканей организма человека и соответственно диагностика патогенетических процессов были выявлены в исследованиях с использованием специально обученных собак, имеющих существенно более острое обоняние, чем у человека. Таким образом, удалось впервые диагностировать
по запаху ткани меланомы [4], рак мочевого пузыря [5], а также рак легкого и молочной железы [6].
Принципиально новый подход к решению проблемы анализа летучих выделений связан с использованием устройств "Электронный нос" [7, 8]. Направление "Электронный нос" в целом развивалось на основе ряда фундаментальных принципов, имеющих отношение к функционированию обонятельной системы млекопитающих [9]. При использовании устройства "Электронный нос, Электронный язык" каждому анализируемому веществу соответствует некоторая характерная картина откликов мультисенсорной системы, позволяющая дискриминировать различные вещества (или смеси веществ) путем сравнения их ^-мерных образов с заранее сформированной базой данных [10, 11]. В настоящее время в литературе описаны многочисленные коммерческие устройства "Электронный нос, Электронный язык" с использованием сенсорных матриц различных типов. Достаточно полный перечень моделей "Электронный нос, Электронный язык" представлен в [12—14]. Рядом зарубежных и отечественных фирм сделаны заявки на приложение разработанных аналитических средств для оценки качества пищевых продуктов [15], мониторинга окружающей среды [16], а также для применения в целях медицинской диагностики [17]. В последнем случае диагностика требует удовлетворения ряда условий. Как правило,
ЭКСПРЕСС-СКРИНИНГ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ
441
летучие биомаркеры болезненных состояний присутствуют в выдыхаемом воздухе в очень низких концентрациях. При этом в откликах сенсоров доминируют высокие концентрации второстепенных газов, типа CO2 и паров воды. Поэтому для выделения полезного сигнала часто требуется предварительное концентрирование пробы. Подобные операции увеличивают как время, так и стоимость анализа [18, 19]. Следует отметить, что существует много посторонних источников летучих метаболитов, способных внести помехи в регистрируемый устройствами "Электронный нос" "запаховый" образ, что на практике может существенно усложнить процесс диагностики заболевания [20].
В данной работе исследована принципиальная возможность применения форматов "Электронный язык", "Электронный нос" в целях медицинской экспресс-диагностики заболевания глаукомой.
ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
Материалы и методы
В исследованиях использовался электрохимический мультисенсорный анализатор, разработанный в ИФХЭ РАН (Москва).
В основу работы прибора положен новый подход, заключающийся в использовании электрохимической тест-системы в виде раствора, содержащего набор ионов различных металлов, обладающих способностью образовывать комплексные соединения с органическими веществами [21—23].
Тест-система (фоновый электролит) состоит из раствора 0.05 М KCl, в котором находились катионы сенсорных металлов: Zn2+, Cd2+, Pb2+, Cu2+, Co3+, Hg2+. Таким образом, на единичном электроде формируется матрица сенсоров, обеспечивающая работу прибора в форматах "Электронный язык", "Электронный нос".
Измерения проводились на планарных электродных системах (ООО "Автоком" г. Москва), представляющих собой полипропиленовую пластину с нанесенными рабочим и вспомогательным электродами (углеродный материал) и хлор-серебряным электродом сравнения (рис. 1). Раствор тест-системы, являющийся одновременно фоновым электролитом, выполнял также функцию концентратора летучих примесей.
Исходные вольтамперограммы, полученные в тест-системе методом инверсионной вольтампе-рометрии, имеют определенный вид (рис. 2) и хорошо воспроизводимы. Введение в тест-систему анализируемых органических веществ, приводит к изменению спектра вольтамперограмм. Эти изменения характерны для каждого из органических веществ (или смеси веществ), что позволяет проводить их дискриминацию.
10 мм
28 мм
Вспомогательный электрод (углеродная паста)
Электрод сравнения паста)
Рабочий электрод (углеродная паста)
Изолятор
t t t
контакты
Рис. 1. Схема планарной трехэлектродной системы. (а) (б)
Рис. 2. Вид вольтамперограмм. (а) тест-система, (б) влияние сыворотки крови пациентов с глаукомой на тест-систему.
Исследования проводились с образцами сыворотки крови, предоставленными ГБОУ ВПО РНИМУ им. Н.И. Пирогова в соответствии с договором о научном сотрудничестве.
СТАТИСТИЧЕСКАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ
Вольтамперограмма — многомерный образ первичных данных
Результатом работы прибора является вольт-амперограмма (рис. 2) — зависимость тока от потенциала рабочего электрода, меняющегося по линейному закону во времени. Пики соответствуют окислению металлов тест-системы. Цифровые значения (453 точки) поступают в программу для последующей обработки в виде файла, из которого извлекаются значения тока. Вольтамперограмма разбивается на N участков, количество которых зависит от сложности исследуемой системы. Таким образом формируется ^мерный образ объекта.
Снижение размерности данных
Следующим этапом обработки является группировка коррелирующих сенсоров в кластеры пу-
Обобщенные результаты исследований образцов сывороток крови
Формат Объем выборки, Правильная диагностика, %
измерений "здоровые" "больные"
Электронный язык 20 50 64
Электронный нос 42 67 77
тем снижения размерности данных с последующим выделением M кластеров (M < N), несущих основной объем информации. Значение M варьировалось с целью достижения максимальной дискриминирующей способности.
Существует множество алгоритмов снижения размерности данных, некоторые из которых были опробованы в исследовании: Факторный анализ, Метод главных компонент, Кластерный анализ, Преобразование Фурье [24].
Дискриминационный алгоритм
Цель дискриминационного анализа состоит в том, чтобы на основе измерения различных характеристик объекта классифицировать его, т.е. отнести к одной из нескольких групп (классов) некоторым оптимальным способом (минимум математического ожидания потерь, минимум вероятности ложной классификации). Дискриминационный анализ, как раздел мультипараметриче-ского статистического анализа, включает статистические методы классификации многомерных объектов в ситуации, когда исследователь обладает обучающими выборками.
Обучающие выборки создавались путем измерения известных образцов с занесением в базу данных.
Мерой схожести исследуемого объекта является квадрат расстояния Махаланобиса, показывающий, насколько близко объект находится от центроидов групп известных образцов в пространстве канонических корней.
Визуальным результатом дискриминации является график в пространстве первого и второго канонических корней, на котором известные образцы отображены в виде облаков точек, окруженных эллипсами, а тестируемый образец — в виде точки.
Таким образом, дискриминационный анализ позволяет на основании набора групповых (классовых) признаков произвести разделение выборки исследуемых объектов.
База данных формировалась путем импорта цифровых значений тока в таблицу. В группирующей переменной указываются названия групп "ZDOR", "BOL" и "TEST" для предположитель-
но здоровых испытуемых, больных глаукомой и тест-системы (контрольная проба) соответственно. Сыворотка крови каждого испытуемого в базе данных представлена результатами трех независимых измерений.
Обработка результатов проводилась в пакете Statistica 6.0
ПРОБОПОДГОТОВКА
Формат "Электронныйязык"
На электроды наносили 50 мкл тест-системы, затем снимали вольтамперограмму при трех потенциалах катодного осаждения металлов (минус 1.55 В, минус 1.45 В и минус 1.35 В) относительно хлорсеребряного электрода с последующей разверткой потенциала до 0.3 В.
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.