Новые возможности анализа биологических сред с помощью мультисенсорных систем тема автореферата и диссертации по химии, 02.00.02 ВАК РФ

Санкт-Петербургский государственный университет

ЯРОШЕНКО ИРИНА СЕРГЕЕВНА

НОВЫЕ ВОЗМОЖНОСТИ АНАЛИЗА БИОЛОГИЧЕСКИХ СРЕД С ПОМОЩЬЮ МУЛЬТИСЕНСОРНЫХ СИСТЕМ

Специальность 02.00.02 - АНАЛИТИЧЕСКАЯ ХИМИЯ

Автореферат диссертации на соискание ученой степени кандидата химических наук

005554494

б НОЯ 2014

Санкт-Петербург 2014

005554494

Работа выполнена в ФГБОУ ВПО "Санкт-Петербургский государственный университет"

Научный руководитель: Карцова Людмила Алексеевна

Доктор химических наук, профессор

Официальные оппоненты: Крылов Анатолий Иванович

доктор химических наук. ФГУП «ВНИИМ имени Д.И. Менделеева», руководитель лаборатории исследований в области анализа объектов окружающей среды, старший научный сотрудник.

Богомолов Андрей Юрьевич кандидат химических наук. Самарский Государственный Технический Университет, кафедра общей химической технологии и промышленной экологии, старший научный сотрудник.

Ведущая организация: ФГБОУ ВПО "Московский государственный

университет имени М.В. Ломоносова» (г. Москва)

Защита состоится 25 декабря 2014 г., в 17:00 ч.

На заседании диссертационного совета Д 212.232.37 по защите докторских и кандидатских диссертаций при Санкт-Петербургском государственном университете по адресу: 199034, Санкт-Петербург, Средний проспект В.О., д. 41/43. Большая химическая аудитория.

С диссертацией можно ознакомиться в Научной библиотеке Санкт-Петербургского государственного университета. Диссертация и автореферат размещены на сайте vwvw.spbu.ru.

Автореферат разослан О^ТЯб^й. 2014 г.

Ученый секретарь Диссертационного совета

/ В.В.Панчук /

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИИ

Актуальность

Анализ объектов природного происхождения (растительных препаратов, биологических жидкостей человека и животных и др.) вызывает интерес химиков-аналитиков, медиков и фармацевтов в связи с решением проблем ранней диагностики различных заболеваний, контроля качества пищевых продуктов, лекарственной и фитотерапии. Доминирующую роль при идентификации образцов со сложной матрицей играют гибридные методы анализа - хроматографические и электрофоретические. Однако приходится сталкиваться и с такими задачами, где необходимо охарактеризовать объект в целом, ответив на вопросы: «норма» или «патология», качественный или некачественный продукт и т.д. Используя референтные данные и применяя к описаниям сложных объектов хемометрические методы, можно получить и количественные зависимости для ряда параметров.

Именно потенциометрические мультисенсорные системы являются альтернативой традиционным методам разделения при решении таких задач. Основу мультисенсорной системы составляет массив электрохимических сенсоров, обладающих различной перекрестной чувствительностью. Полученная совокупность данных относительно изучаемого объекта затем обрабатывается хемометрическими методами. Преимущества такого подхода заключаются в экспрессности анализа и простоте аппаратурного оформления.

Данная работа посвящена выявлению возможностей потенциометрических мультисенсорных систем для анализа объектов природного происхождения: биологические жидкости, растительные препараты традиционной китайской медицины (ТКМ), экстракты различных образцов чая.

Цель работы: выявление возможности применения потенциометрических мультисенсорных систем для анализа сложных объектов природного происхождения.

Решались задачи:

1. Выбор мультисенсорной системы и разработка методологии измерений для каждого из изучаемых объектов.

2. Распознавание объектов растительного происхождения на примере образцов чая и лекарственных препаратов традиционной китайской медицины (ТКМ) методом главных компонент.

3. Классификация образцов биологических жидкостей (образцы мочи), принадлежащих здоровым донорам и пациентам с патологией мочекаменной болезни, методом логистической регрессии.

4. Определение компонентов объектов природного происхождения (биологические жидкости, лекарственные препараты ТКМ, образцы чая) методом капиллярного электрофореза и мультисенсорной системой.

5. Получение хроматографических и электрофоретических профилей растительных объектов (лекарственных препаратов на основе традиционной китайской медицины) с целью дальнейшего сопоставления с данными от мультисенсорной системы.

6. Инструментальная количественная оценка параметра горькости препаратов ТКМ по шкале восприятия дегустаторов с использованием потенциометрической мультисенсорной системы.

7. Разработка схем анализа сложных объектов природного происхождения мультисенсорной системой.

Научная новизна

Установлено, что мультисенсорная система обеспечивает определение ионного состава образцов мочи при использовании данных капиллярного электрофореза в качестве референтных. Анализ образцов мочи мультисенсорной системой с последующей обработкой результатов методом логистической регрессии позволяет проводить классификацию по принципу «норма»/«патология». Подобный подход может быть рекомендован в качестве независимого диагностического критерия мочекаменной болезни на ранней стадии.

Выявлено наличие корреляций между откликами мультисенсорной системы и характеристическими (хроматографическими и электрофоретическими) профилями при анализе образцов растительных препаратов ТКМ. Это позволяет обнаружить общие закономерности в структурах данных, полученных различными аналитическими методами, для одних и тех же образцов

Показана возможность определения суммарного содержания полифенолов и кофеина в образцах ТКМ с использованием мультисенсорной системы.

Практическая значимость работы

Разработан метод определения ионного состава мочи мультисенсорной системой с целью диагностики мочекаменной болезни на ранней стадии.

Показано, что мультисенсорная система позволяет количественно оценить параметр горькости в препаратах традиционной китайской медицины (ТКМ) и органолептические характеристики различных образцов чая с использованием в качестве референтных показаний дегустаторов.

Положения, выносимые на защиту

1. Способ определения ионного состава образцов мочи мультисенсорной системой и их классификация методом логистической регрессии по принципу «норма»/«патология».

2. Результаты количественной оценки эпикатехина, кофеина, теарубигина в образцах чая с помощью мультисенсорной системы, определяющие качество анализируемого продукта.

3. Количественная оценка параметра горькости в препаратах ТКМ и органолептических характеристик образцов чая с применением мультисенсорной системы и показаний дегустаторов в качестве референтных.

4. Способы многомерной обработки данных (канонический корреляционный анализ, проекция на латентные структуры), обеспечившие обнаружение корреляций в результатах анализа, полученных для одного и того же объекта (образцы чая, растительные препараты традиционной китайской медицины) хроматографическими и электрофоретическими методами, а также с применением мультисенсорной системы.

Публикации и апробация работы:

Материалы диссертации опубликованы в 3-х статьях и 14 тезисах докладов. Результаты исследований докладывались на IV конференции студентов и аспирантов СПбГУ (2010, СПб); Всероссийской конференции "Хроматография - народному хозяйству" (2010, Дзержинск); XX Менделеевской конференции молодых ученых (2010, Архангельск); XIV Международном конгрессе «Фитофарм 2010» (2010, СПб); XIX Менделеевском съезде по общей и прикладной химии (2011, Волгоград); V Всероссийской конференции студентов и аспирантов с международным участием «Химия в современном мире» (2011, СПб); VI Всероссийской конференции молодых ученых, аспирантов и студентов с международным участием «Менделеев-2012» (2012, СПб); Всероссийском симпозиуме «Кинетика и динамика обменных процессов» (2012, Краснодарский край); XVII Санкт-Петербургской ассамблее молодых ученых и специалистов (2012, СПб); 1-й Зимней молодежной школе-конференции "Новые методы аналитической химии" (2013, СПб); VII Всероссийской конференции молодых ученых, аспирантов и студентов с международным участием «Менделеев-2013» (2013, СПб); IX Международном симпозиуме по хемометрике «Современные методы в анализе данных» (2014, Томск); VIII Всероссийской конференции молодых ученых, аспирантов и студентов с международным участием «Менделеев-2014» (2014, СПб); VI Международной конференции молодых ученых «Органическая химия сегодня» (2014, СПб).

Работа поддержана грантами: Проект РФФИ 10-03-92650-ИНД_а "Исследование систем химических сенсоров в экстрактах растений - изучение черного чая", Проект

РФФИ 13-03-91154-ГФЕН_а "Определение качества и вкуса лекарственных средств на ранней стадии разработки".

Структура и объём работы

Диссертационная работа состоит из введения, обзора литературы, экспериментальной части, 5 глав с обсуждением полученных результатов, списка принятых сокращений и терминов, списка цитируемой литературы (188 наименований) и приложения. Работа изложена на 169 страницах машинописного текста, содержит 30 таблиц и 69 рисунков.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности темы и сформулированы цели исследования. Выделены достоинства применения мультисенсорных систем при исследовании сложных объектов природного происхождения.

1 -ая глава (Обзор литературных данных) включает разделы, посвященные различным физико-химическим методам, применяемым при анализе объектов природного происхождения. Специальные разделы посвящены описанию характеристик выбранных объектов исследования и хемометрическим подходам при обработке результатов анализа.

Общую логику работы мультисенсорных систем можно представить в виде схемы (рис.1).

Рис. 1. Общая логика работы мультисенсорных систем

и референтным методом (хроматография, электрофорез, оценка дегустаторов). Затем проводится обработка данных, результатом которой является модель. Далее выполняется исследование мультисенсорной системой неизвестного объекта. Данные подставляются в полученную ранее модель для получения результата.

Во 2-ой главе представлены сведения об исследуемых образцах, реагентах, аппаратуре и методах обработки данных (метод главных компонент, логистическая регрессия, проекция на латентные структуры, канонический корреляционный анализ), используемых в данной работе. Образцы чая анализировались в исследовательском центре С-ИАС (Калькутта, Индия). Образцы мочи предоставлены Лабораторией МКБ (Санкт-

Объект исследуется мультисенсорной системой

Петербург, Россия), проанализированы в ООО «ЦКП «Аналитическая спектрометрия». Препараты традиционной китайской медицины (ТКМ) исследованы нами в Чжэцзянском Университете (Ханчжоу, Китай).

Определяемые аналиты в растительных образцах: кофеин и полифенолы, обладающие антибактериальным и противовоспалительным действием (рис.2).

Я Г

И,. X ,

„А !'>

соон

эпикатехин галловая кислота

кофеин эпигаллокатехин

(Коф) (ЭГК) (ЭК> (ГК)

' V эпигаллокатехин

Рис. 2. Химические структуры компонентов чая гатлат (ЭГКГ)

Для образцов мочи необходимо было установить содержание маркеров мочекаменной болезни (МКБ): совокупность неорганических и органических компонентов (рис. 3)

Са", Мд", «о', 1С, ыну, С1", 5о/, ГО/

} « I Рис. 3. Маркеры

9 0 ° мочекаменной болезни

° О О^О i

оксалат цитрат урат креатинин

Хроматографический и электрофоретический анализ проводился с использованием систем капиллярного электрофореза «Капель 105»; «Капель 105М»; «Agilent-1100 CE-DAD», жидкостного хроматографа «Agilent-1200» с УФ-детектированием.

В 3-ей главе предметом обсуждения стал хроматографический и электрофоретический анализ объектов природного происхождения, оптимизация условий разделения аналитов в капиллярном зонном электрофорезе (КЗЭ), мицеллярной электрокинетической хроматографии (МЭКХ) и высокоэффективной жидкостной хроматографии (ВЭЖХ), а также получение характеристических профилей анализируемых образцов.

В табл. 1-2 представлены результаты определения полифенолов и кофеина в образцах препаратов традиционной китайской медицины (ТКМ) и образцах чая.

Таблица 1. Результаты количественного анализа образцов чая, % масс. (Р=0.95, п=3)

Образцы кофеин эпигалло катехин эпигаллокатехин голлат эпикатехин галловая кислота

«Лисма» 2,09±0,11 0,03±0,01 0,Ю±0,01 0,03±0,01 0,18±0,02

«Ристон» 2,06±0,09 0,18±0,01 1,64±0,09 0,14±0,01 0,45±0,04

«Индийский со слоном» 1,60±0,07 0,07±0,01 0,28±0,03 0,14±0,01 0,21±0,02

«Монарх» 1,59±0,09 0,09±0,01 0,49±0,04 0,08±0,01 0,27±0,03

«Гринфилд» 1,79±0,Ю 0,07±0,01 0,24±0,02 0,06±0,01 0,34±0,02

«Ахмад» 2,77±0,13 0,08±0,01 0,31±0,02 0,06±0,01 0,31±0,02

«Принцесса Нури» 2,23±0,П 0,06±0,01 0,22±0,02 0,05±0,01 0,21 ±0,01

Таблица 2. Результаты количественного анализа образцов растительных препаратов традиционной китайской медицины, % масс. (Р=0.95, п=3)

Образцы кофеин эпигалло катехин эпигаллокатехин галлат эпикатехин галловая кислота

Хризантема китайская (Chinese Chrysanthemum) 0,000 0,327±0,014 0,526±0,009 0,156±0,009 0,000

Корень солодки (Liquorice Root) 0,073±0,004 0,000 0,098±0,003 0,257±0,008 0,000

Ветки кассии (Cassia Twig) 0,000 0,046±0,005 0,000 0,045±0,002 0,300±0,005

Хвойник китайский (Chinese Ephedra) 0,199±0,009 0,000 0,000 0,000 0,000

Семена горького абрикоса (Bitter Apricot Seeds) 0,108±0,008 0,334±0,009 0,000 0,000 0,000

Реманния клейкая (Rehmanniae Adhesive) 0,044±0,004 0,016±0,002 0,034±0,001 0,000 0,000

Корень одуванчика (Dandelion Root) 0,022±0,001 0,000 0,058±0,002 0,000 0,221±0,007

Коптис китайский (Chinese Coptis) 0,000 0,466±0,011 0,000 0,019±0,001 0,000

Показано, что содержание полифенолов и кофеина в образцах ТКМ в десятки раз

ниже, чем в образцах чая.

Для выявления интегральных характеристик образцов растительных препаратов получены характеристические профили для всех объектов методами МЭКХ и ВЭЖХ с УФ-детектированием (200 нм, 254 нм). На рис. 4 в качестве примера приведен (а) хроматографический и (б) электрофоретический профили образца Коптис китайский (Chinese Coptis).

— S^ai

а) б)

J У L L J "" i i з i J WjA__ «78» un

Рис. 4. Характеристические профили образца экстракта корня растения Коптис китайский

а) Хроматографический профиль

Условия: хроматограф «Agilent-1200», колонка (250x4.6 мм) YMC-Triart С18 (5 мкм); подвижная фаза - 60 об.% ацетонитрила, 0,05 М муравьиной кислоты в воде, расход 200 мкл/мин, объем пробы 40 мкл, длина волны 254 нм.

б) Электрофоретический профиль

Условия: система капиллярного электрофореза «КАПЕЛЬ 105»; кварцевый капилляр: внутренний диаметр 50 мкм, Ь,фф=60 см, L„6„=50 см. Буферный электролит: 25 мМ фосфатный буфер рН=7.0 с добавкой 25 мМ ДЦСН. Ввод пробы: 30 мбар, 20 с. Напряжение: 25 кВ. Детектирование: 200 нм.

Исследование биологических жидкостей человека чаще всего проводят с диагностической целью. Так, оценка содержания ионов в моче методом КЭ позволяет выявить мочекаменную болезнь на ранней стадии.

Нами проведен анализ 117 образцов пациентов Лаборатории Мочекаменной Болезни (Санкт-Петербург) и 19 здоровых доноров. Оценены следующие параметры: плотность, уровень рН, содержание основных ионов мочи (аммоний, калий, натрий, кальций, магний, оксалат, цитрат, урат, хлорид, сульфат, фосфат).

4-ая глава посвящена рассмотрению принципов работы мультисенсорных систем и стратегии выбора сенсоров в зависимости от решаемой задачи (рис. 5).

Минимальное количество

сенсоров — 2, максимальное число сенсоров ограничено лишь числом каналов многоканального вольтметра (32 в данном исследовании).

Рис. 5. Схема

мультисенсорной системы

работы

Ключевой элемент сенсора - чувствительная мембрана, состоящая из полимерной поливинилхлоридной матрицы, пластификатора (орто-нитрофенилоктилового эфира) и различных добавок (2-7%). Именно составом мембран (рис.6) сенсоры отличаются друг от друга, проявляя перекрестную чувствительность, т.е. регистрируется одновременный отклик ко многим компонентам анализируемой среды.

Состав чувствительных мембран

полимерная матрица, 30-33%

V V

-и-

|_ н С1 _)п (полив инилхлор ид)

/

добавки, до 5%

пластификатор, 65-67% 0-С8Н17

ЫОг

(металлопарфирины)

(о-нитрофенилоктиловыи эфир) Рис. 6. Состав чувствительных мембран

После проведения потенциометрических измерений и обработки полученных результатов выявляются те сенсоры, которые практически не изменяют своих потенциалов, т.е. не несут информации. Их удаляют из массива, оптимизируя тем самым его состав. Техника проведения измерений мультисенсорной системой включает выявление необходимости в разбавлении образца, выбор времени измерения и процедуры регенерации сенсоров при переходе к анализу очередного образца (табл. 3).

Таблица 3. Схемы проведения измерений с помощью мультисенсорных систем

Объект Подготовка образца Разбавление, % Время измерения, мин Процедура отмывки водой, мин

Чай заваривание 30 3 1+3 + 3

Китайские травы заваривание 20 3 1+2 + 3

Моча размораживание 10 2 2+2 + 2

Все образцы подвергались анализу 4 раза в произвольном порядке, после чего вычислялось среднее значение потенциала каждого сенсора для каждого образца. В специальной серии экспериментов контролировалась стабильность показаний сенсоров на

Для этого подготовленные 70 аликвот (по 10 мл одного и того же образца) замораживали, а затем подвергали ежедневному анализу мультисенсорной системой (рис.7).

Рис. 7. Проверка стабильности показаний сенсоров на протяжении эксперимента

Отклонение в значениях потенциалов для 19 сенсоров составило 2-10 мВ (3-7%).

Результаты анализа мультисенсорной системой каждого из объектов представлялись в виде матриц, где число строк - количество исследуемых образцов, а число столбцов -количество сенсоров в массиве. Обработку данных проводили с помощью программного обеспечения «Unscrambler 9.7» (САМО, Norway), а также RStudio (Version 0.98.501) и R (Version 3.0.2).

В 5-ой главе представлено решение т.н. «задач на распознавание».

контрольном образце биологической жидкости.

-___-*

-♦-CI — N03 -A— Na -H-NH4

день измерения

По описанной выше методике проведены по 5 измерений в трех различных сортах зеленого чая.

Из рис. 8 видно, что мультисенсорная система позволяет различать три сорта зеленого чая: все реплики в одном образце образуют отчетливые неперекрывающиеся кластеры на графике счетов, построенном методом главных компонент (МГК).

Рис. 8. График счетов МГК для 3 сортов зеленого чая. Объясненная дисперсия: 79%, 12%

Построен график счетов и для 8 образцов растительных препаратов традиционной китайской медицины.

Однако применение МГК не всегда позволяет добиться четкого разделения на

соответствующие кластеры. Так, для образцов мочи пациентов с патологией мочекаменной болезни и здоровых доноров выяснилось, что разделения между классами не наблюдается (рис. 9).

Рис. 9. График счетов МГК для 136 образцов мочи. Объясненная дисперсия: 43%, 14%

• - здоровый донор ■ - пациент с патологией МКБ

Для решения классификационной задачи впервые для откликов от мультисенсорных систем применена логистическая регрессия, а именно: строится модель по имеющимся достоверным значениям принадлежности образцов к тому или иному классу, затем с помощью независимого тестового набора образцов проверяется вероятность отнесения конкретного образца к классу больных или здоровых. Необходимо правильно установить границу решений - значение вероятности р(Х), при котором ошибка в определении класса минимальна (рис. 10).

■ Гринфилд

° ТвСС

Принцесса Ява

ГК1 (79%)

Граница решений (минимум на кривой) для референтных данных составила 0.2, для данных от мультисенсорной системы - 0.04.

Рис. 10. Зависимость суммы ошибок от выбранной границы решений согласно референтным данным (а) и данным от мультисенсорной системы (б)

При выбранных границах вычислены ошибки определения класса 35 независимо выбранных образцов («норма» или «патология»). Показано, что логистическая модель, построенная на основании референтных данных, не выдала ни одной ошибки. Ошибка для модели, построенной на основании данных мультисенсорной системы, не превысила 10%.

6-ая глава посвящена поиску корреляций между результатами анализа изучаемых объектов мультисенсорной системой и референтными данными с целью количественной оценки различных параметров. Обработка данных проводилась методом проекции на латентные структуры (ПЛС), результатом которой явилась ПЛС-модель, представляющая зависимость в координатах «введено/найдено» или «измеренная/прогнозируемая величина». Параметры, характеризующие эту зависимость, определяют наличие корреляции между откликом массива сенсоров и количественным критерием, в качестве которого могут выступать концентрации веществ, оценки дегустаторов и т.д.

Построены ПЛС-модели с полифенолами и кофеином, концентрации которых независимо определены методом КЭ. Представлены ПЛС-модель (рис.11) и ее параметры

(табл.4) для эпикатехина. Установлено, что мультисенсорная система позволяет с погрешностью 8% определять содержание эпикатехина в образцах чая.

Рис.11. ПЛС-модель для определения эпикатехина с помощью мультисенсорной системы

Таблица 4. Параметры ПЛС-модели для эпикатехина

граница решений

0,2

♦ Калмбровкэ

го » Г^хэееркз

5 уТ

Ф

ГО • ¿г

Ф

О

С1 ¿г

I

¿Г

С Измеренная величина (%, масс.) 0,2

Процедура Наклон Оффсет СКО И2

Калибровка 0.99 0.001 0.003 0.99

Проверка 0.94 0.028 0.023 0.90

Для выявления корреляций между откликом мультисенсорной системы и оценками панели дегустаторов применен мультилинейный ПЛС, а именно Такер1-ПЛС регрессия (3\уауРЬ8). Полученный тензор имел размерность сенсоры*образцы*время (20x10x19). Поскольку различные вещества в образцах чая имеют различную кинетику взаимодействия с материалом сенсорных мембран, то использование дополнительной координаты обеспечило получение новой информации. Получение двумерных и трехмерных данных представлено на рис. 12.

Рис. 12. Получение двумерных и трехмерных данных

Для сравнения параметров построены ПЛС-модели (для данных размерности сенсоры ^образцы, 20*10) и Такер1-ПЛС-модели (сенсоры^образцых-время, 20х 10x19).

Показано, что использование данных об отклике каждого сенсора с течением времени позволяет получать более высокие коэффициенты корреляции с такими дескрипторами как крепость вкуса и общее качество, что невозможно при использовании традиционной двумерной структуры данных.

Для образцов растительных препаратов ТКМ обнаружена корреляция и с другим органолептическим параметром - горькостью, что важно при проведении лекарственной терапии. Образцы были оценены профессиональными дегустаторами по шкале от 0 -совсем негорько, до 6 — максимально горько.

Усредненные результаты анализа образцов ТКМ, полученные с помощью мультисенсорной системы, представляют собой матрицу 33x17, где 33 - число образцов, 17-число сенсоров. Построена ПЛС-модель (рис. 13).

Рис. 13. ПЛС-модель при определении горькости препаратов ТКМ

Измеренная величина (оценка горькости)

Проверка модели проводилась на 10 независимо выбранных образцах (красный цвет на графике). Установлено, что мультисенсорная система способна оценить горькость препаратов ТКМ с относительной погрешностью 14 %.

Основными компонентами, определяющими горький вкус отваров растений, являются полифенолы и алкалоиды. В рамках данного исследования предпринята попытка выявить возможности мультисенсорной системы в оценке суммарного содержания полифенолов и кофеина. Для каждого образца ТКМ согласно электрофоретическим данным вычислено суммарное содержание полифенолов и кофеина. Показано, что мультисенсорная система способна определить его с относительной погрешностью 12 %.

Оценка содержания компонентов в моче, влияющих на камнеобразование (аммоний, калий, натрий, кальций, магний, оксалат, цитрат, урат, хлорид, сульфат, фосфат), также проводилась с помощью построения ПЛС-моделей. В случае потенциометрических измерений интенсивность аналитического сигнала линейна от логарифма концентрации компонента. Именно по этой причине концентрации компонентов, полученные методом капиллярного электрофореза, преобразованы в логарифмические.

На основании данных мультисенсорной системы для всех параметров, определяемых в моче, построены ПЛС-модели. Проверка на правильность полученных моделей проводилась на 40 независимо выбранных образцах мочи.

Рис. 14. ПЛС-модель для определения содержания ионов аммония в

Измеренная величина, С(1МН4

Исходя из построенных ПЛС-моделей вычислена относительная ошибка определения концентраций ионов в моче (табл. 5).

Аналит Относительная погрешность, % Калибровочный диапазон, ммоль/л

натрий 2.7 3.8-255.5

калий 8.6 4.2-100.0

аммоний 7.2 4.0-81.8

кальций 11.6 0.6-10.7

магний 12.3 0.7-8.7

хлорид 3.1 11.1-222.3

сульфат 10.9 1.5-25.9

фосфат 8.2 3.1-48.4

оксалат 17.0 0.1-0.4

цитрат 21.5 0.2-5.5

урат 11.5 0.5-7.0

креатинин 11.6 2.1-26.7

Таблица 5. Результаты количественного анализа при определении содержания

ионов в моче с помощью мультисенсорной системы

Установлено, что потенциометрическая мультисенсорная система может определять содержание компонентов мочи с ошибкой 3-13%. При этом точность в определении ионов оксалата и цитрата оказалась значительно ниже, что обусловлено узким диапазоном калибровочного набора и присутствием больших концентраций хлорид-ионов. Важно отметить, что в ряде случаев мультисенсорная система способна оценить и физические параметры. Так, при анализе мочи оказалось возможным прогнозировать ее плотность, что подтверждается ПЛС-моделями, построенными на основе референтных данных (КЭ) и данных мультисенсорной системы. Относительная ошибка составила 5 и 8 %, соответственно.

В 7-ой главе обсуждаются результаты выявленных корреляций между откликами мультисенсорной системы и матричными данными других методов анализа. Для оценки

корреляций использовались коэффициенты матричных корреляций (ЯУ, КУ' и коэффициент конгруэнтности Такера - ф) и канонический корреляционный анализ.

Так, для образцов индийского черного чая (С-БАС, Калькутта) имелись четыре набора данных - результаты различных измерений: потенциометрической мультисенсорной системы (Е), вольтамперометрической мультисенсорной системы (V), профессиональная оценка дегустаторов (Э), а также содержание компонентов чая, определенное методами ВЭЖХ и спектрофотометрии (В). Для всех пар данных методов были вычислены коэффициенты матричных корреляций. Значения коэффициента ЯУ оказались завышены из-за большого числа переменных, что учтено в его модифицированном аналоге. Значения ЯУ' и ф представлены в табл. 6 и 7.

Таблица 6. Значения ИУ-коэффициентов

Показано, что значимые коэффициенты корреляции (>0.5) сохранились лишь для пар матриц В и Е, В и Б, что указывает на наличие взаимосвязи между данными матрицами и , соответственно, на общие закономерности в структурах данных.

Альтернативой такой оценки является коэффициент конгруэнтности Такера, рассчитываемый для матриц счетов при разложении на главные компоненты.

Таблица 7. Значения коэффициентов Такера

Наибольшие значения вышеуказанных коэффициентов получены между матрицами данных от потенциометрической мультисенсорной системы и биохимическими параметрами черного чая.

Полученные нами результаты хроматографического, электрофоретического и потенциометрического анализов растительных препаратов ТКМ также обработаны для выявления корреляций между ними. В силу огромного числа переменных в матрицах данных (5150 - хроматографические и 6800 - электрофоретические) коэффициенты RV и RV' могут быть завышены. Именно поэтому вычислялись коэффициенты Такера (табл. 8).

RV' Е V В S

Е 1

V -0,37 1

В 0,67 0,27 1

S -0,25 0,19 -0,59 1

Ф Е V В S

Е 1

V 0,19 1

В -0,59 -0,14 1

S 0,07 -0,21 0,06 1

Таблица 8. Значения коэффициентов Такера

Мультисенсорная система Мультисенсорная система Хроматография

& & &

хроматография капиллярный электрофорез капиллярный электрофорез

ф 0,0449 0,0406 0,4667

Значения полученных коэффициентов свидетельствуют о максимальном подобии в структурах данных в случае хроматографии и капиллярного электрофореза. Этот факт вполне объясним: в рассматриваемых методах разделения используется один и тот же тип детектирования (УФ), в то время как мультисенсорная система регистрирует потенциометрический отклик.

Для поиска взаимосвязи между различными наборами данных одних и тех же образцов выполнен канонический корреляционный анализ. Результаты представлены в виде карт образцов (рис. 15).

(Е) (В)

♦ 15 ♦ 1; СМ Г" » ?" 5 ♦ 6 * 11

£ *14

♦ 16 ♦ 10

* 9

♦ 8

КП1

♦ 15 £ »14 ♦ 11 ♦ 6

КГ ♦ 9 ♦ 10 ♦ 8 11

Рис. 15. Пример карт образцов, полученных для матриц Е (мультисенсорная система) и В (хроматография)

Аналогичный характер расположения объектов относительно друг друга свидетельствует о высокой канонической корреляции исследуемых матриц, что подтверждается и значением соответствующих корней (0,99; 0,93).

Результаты, полученные в рамках данного исследования, сопоставлены с литературными (табл. 9).

Таблица 9. Применение мультисенсорных систем при анализе сложных объектов природного происхождения (левый столбец - литературные данные, правый - результаты представленного диссертационного исследования)

Биологические жидкости Пищевые продукты Растительные препараты

моча чай ТКМ

число одновременно определяемых ионов относительная погрешность определения полифенолов относительная погрешность определения горькости

5ш 12 10% [21 8% 15% 131 14%

определение плотности относительная погрешность определения кофеина определение суммарного содержания полифенолов и кофеина

- + 12% 121 10% - +

Главные итоги такого сопоставления следующие.

В [1] при многокомпонентном анализе образцов мочи рассматривались только 5 ионов в отличие от 12 в нашем исследовании. Данные по определению плотности биологических жидкостей с помощью мультисенсорной системы в литературе отсутствуют.

При оценке содержания полифенолов и кофеина в образцах чая и инструментальной оценке горькости препаратов ТКМ достигнуты меньшие значения относительных погрешностей, чем в [2, 3]. Это может быть связано как с другим набором сенсоров в составе массива, так и с применением других методов обработки данных.

При этом в литературе отсутствует описание регрессионных моделей, связывающих сумму полифенолов и кофеина с откликами мультисенсорной системы. Кроме того, ранее применение логистической регрессии для анализа данных, полученных с помощью мультисенсорных систем, в данной работе представлено впервые.

[1] Gutierrez M., Alegret S., del Valle M. // Biosensors and Bioelectronics // 23 (2008) 795-802.

[2] Chen Q , Zhao J., Guo Z., Wang X. // Journal of Food Composition and Analysis // 23 (2010) 353-358.

[3] Wang Y„ Feng Y., Wu Y., Liang S„ Xu D. // Fitoterapia // 86 (2013) 137-143.

ЗАКЛЮЧЕНИЕ

В рамках диссертационной работы поставленные задачи решены и цель достигнута. На основании полученных результатов можно сделать ряд выводов:

1. Установлено, что анализ образцов мочи мультисенсорной системой с последующей обработкой результатов методом логистической регрессии позволяет проводить классификацию по принципу «норма»/«патология». Подобный подход может быть рекомендован в качестве независимого диагностического критерия мочекаменной болезни на ранней стадии.

2. Показано, что мультисенсорная система обеспечивает определение ионного состава образцов мочи при использовании данных капиллярного электрофореза в качестве референтных (погрешность 3-13%; время анализа 10-15 мин.).

3. На примерах анализа мультисенсорной системой образцов лекарственных препаратов ТКМ и чая установлена возможность определения суммарного и индивидуального содержания полифенолов (погрешность до 12%).

4. Обнаружено, что мультисенсорная система позволяет количественно оценить параметр горькости в препаратах ТКМ и органолептические характеристики в образцах чая с использованием в качестве референтных показаний дегустаторов.

5. Методом канонического корреляционного анализа установлено наличие корреляций между откликами мультисенсорной системы и характеристическими (хроматографические и электрофоретические) профилями образцов препаратов ТКМ.

Работа изложена в следующих публикациях:

1. Папиева И.С., Кирсанов Д.О., Легин A.B., Карцова Л.А., Алексеева A.B., Власов Ю.Г., Бхаттачария Н., Саркар С., Бандиопадхай Р. Анализ образцов чая с помощью мультисенсорной системы и капиллярного электрофореза // Журнал прикладной химии, 2011. Т. 84. № 6. С. 964-971.

2. Yaroshenko I., Kirsanov D., Kartsova L., Bhattacharyya N., Sarkar S., Legin A. On the application of simple matrix methods for electronic tongue data processing: Case study with black tea samples // Sens, and Actuat. B. 2014. V. 191. P. 67-74.

3. Ярошенко И.С., Кирсанов Д.О., Легин A.B., Ванг П., Ха Д., Ван X., Ван X., Хе Ю. Применение мультисенсорной системы для анализа горькости препаратов китайской народной медицины // Научно-технический вестник ИТМО. 2014. № 4 (92). С. 132-139.

4. Папиева И.С., Кирсанов Д.О., Карцова Л.А. Мультисенсорная система типа «Электронный язык» как элемент контроля содержания полифенолов в чае // Тезисы докладов IV научной конференции студентов и аспирантов химического факультета СПбГУ. Санкт-Петербург, 20-23 апреля 2010. С. 32.

5. Папиева И.С., Кирсанов Д.О., Карцова Л.А., Алексеева A.B. Мультисенсорная система типа «электронный язык» как инструмент контроля содержания полифенолов в черном чае // Тезисы докладов Всероссийской конференции "Хроматография - народному хозяйству". Дзержинск, 19 - 23 апреля 2010. С. 45.

6. Папиева Ирина Сергеевна. Мультисенсорная система типа «электронный язык» как инструмент контроля содержания полифенолов в чае // Тезисы докладов XX Менделеевской конференции молодых ученых. Архангельск, 26 апреля - 01 мая 2010. С.14.

7. Papieva I.S., Kartsova L.A., Kirsanov D.O., Legin A.V., Alekseeva A.V. Detection Of Tea Polyphenols By Multisensor System And Capillary Electrophoresis // Abstracts Book. The XIV international congress "Phytopharm 2010". St-Petersburg, 01 - 03 July 2010, —P. 75.

8. Папиева И.С., Кирсанов Д О., Карцова A.A. Применение мультисенсорной системы и 3wayPLS-perpeccHH для оценки вкусовых дескрипторов черного чая // Тезисы докладов V научной конференции студентов и аспирантов «Химия в современном мире». Санкт Петербург, 18-22 апреля 2011. С. 113-114.

9. Папиева И.С., Кирсанов Д О., Задорожная O.A., Бхаттачарья Н., Саркар С., Легин A.B., Карцова Л.А. Оценка вкусовых дескрипторов черного чая с помощью мультисенсорной системы и 3waypIs-perpeccnM // XIX Менделеевский съезд по общей и прикладной химии. Волгоград, 25 - 30 сентября 2011. С. 445.

10. Папиева И.С., Кирсанов Д.О., Карцова A.A. Выявление возможностей многомерной обработки данных, полученных от различных аналитических

инструментов, на примере образцов чая // Тезисы докладов. VI Всероссийская конференция молодых ученых, аспирантов и студентов с международным участием «Менделеев-2012». Санкт-Петербург, 18-21 апреля 2012. С. 251-252.

11. Папиева И.С., Кирсанов Д.О., Карцова A.A. Исследование возможностей методов многомерной обработки данных, полученных от различных аналитических инструментов, на примере образцов чая // Тезисы докладов. Всероссийский симпозиум «Кинетика и динамика обменных процессов». Краснодарский край, 25 ноября - 2 декабря 2012. Доклад № 23.

12. Папиева Ирина Сергеевна Исследование возможностей многомерной обработки данных для анализа сложных систем природного происхождения на примере образцов чая // Тезисы докладов. XVII Санкт-Петербургская ассамблея молодых ученых и специалистов. Санкт-Петербург, 2012. С. 89.

13. Ярошенко И.С., Кирсанов Д.О., Карцова A.A. Выявление возможностей многомерной обработки данных для анализа образцов чая // Тезисы докладов 1-й Зимней молодежной школы-конференции "Новые методы аналитической химии". Санкт-Петербург, 17 - 22 февраля 2013. С. 114.

14. Ярошенко И.С., Кирсанов Д.О., Карцова A.A. Расширение спектра используемых методов обработки данных от мультисенсорных систем // Тезисы докладов. VII Всероссийская конференция молодых ученых, аспирантов и студентов с международным участием «Менделеев-2013». Санкт-Петербург, 1 -5 апреля 2013. С. 181-182.

15. Yaroshenko I., Kirsanov D., Kartsova A., Legin A. Potentiometrie multisensor system for clinical diagnostics of urolithiasis // 9 WSC "Modern Methods of Data Analysis". Tomsk, 17-21 February 2014. P. 11-12.

16. Ярошенко И.С., Кирсанов Д.О., Карцова A.A. Потенциометрическая мультисенсорная система для диагностики мочекаменной болезни // Тезисы докладов. VIII Всероссийская конференция молодых ученых, аспирантов и студентов с международным участием «Менделеев-2014». Санкт-Петербург, 1 - 4 апреля 2014. С. 348-349.

17. Ярошенко И.С., Кирсанов Д.О., Карцова JI.A. Выявление возможностей мультисенсорных систем для анализа сложных объектов природного происхождения // Тезисы докладов. VI Международная конференция молодых ученых «Органическая химия сегодня». Санкт-Петербург, 23 - 25 сентября 2014. С. 136.

Подписано в печать 22.10.2014 Формат 60x84/16. Печать цифровая. Усл. печ. л. 1,0. Уч.-изд. л. 1,0. Тираж 100. Заказ 2041.

Отпечатано с готового оригинал-макета, предоставленного автором, в Цифровом типографском центре Издательства Политехнического университета. 195251, Санкт-Петербург, Политехническая ул., 29. Тел.:(812)550-40-14 Тел./факс: (812) 297-57-76