文摘
方法使用紫外可见光谱和多元的工具同时测定的血糖和胆固醇是本文开发的。该方法是基于分析物之间的反应的发展(胆固醇和葡萄糖)和酶试剂。光谱分析的偏最小二乘回归和人工神经网络。名义和计算浓度之间的精度估计表明,人工神经网络模型是适当的量化分析物在血清样本,自获得%相对误差在时间间隔从5.1到8.3。该模型应用于分析血清样本,获得雇佣相比,结果是相似的参考方法。
1。介绍
血糖和胆固醇一系列人类生理过程中扮演重要的角色。我们认识到高水平的血糖是糖尿病最典型的警告。根据世界卫生组织,2004年大约有340万人死于高血糖和糖尿病将于2030年7大死因(1]。升高血胆固醇水平增加的风险,心脏和大脑血管疾病(高血压、动脉硬化、冠心病、脂质代谢障碍,和大脑血栓形成。高胆固醇水平也被卷入肾病、糖尿病、黄疸、和癌症(2]。总的来说,增加胆固醇水平估计造成260万人死亡和2970万残疾调整生命年(1- - - - - -3]。
如今,各种方法已经开发了血糖和胆固醇化验如电流分析法、电化学方法、大规模光谱、近红外光谱、高效液相色谱法(3]。然而,这些技术需要昂贵的仪器,先进的分析技巧,和大量的时间。对于一般的目的,重要的是发展快速、健壮的方法,直接适用或简单的样品预处理。紫外可见光谱法被广泛用来确定血糖和胆固醇在临床样本作为参考方法(4]。
葡萄糖是决定使用一个比色生产过氧化氢酶和葡萄糖氧化酶试验。苯酚与4-aminophenazone反应和产品形式被过氧化氢氧化生成一个发色团quinone-imine复合吸光度初始浓度成正比的血清样品中葡萄糖(4]。胆固醇是由比色与胆固醇酯酶和酶测定胆固醇氧化酶产生4-cholesten-3-one和过氧化氢,紧随其后的是同样的反应描述为葡萄糖(5]。尽管两种方法都是基于相同的氧化产品的分析,分析的敏感性是不同的。因此,开发有效的方法同时测定的血糖和胆固醇可以是可能的。
定量的总结方法采用最优化技术尤其吸引了注意力,同时分析两个或两个以上的分析物的可能性。最常用的最优化工具是多重线性回归(高),偏最小二乘回归(PLS)和人工神经网络(ANN)。安是一个数据处理系统由大量的高度相互关联的元素在一个建筑灵感来自大脑的结构,它是一个强大的建模工具用于处理复杂或不精确的数据(6,7]。
光谱法结合最优化方法的应用多组分物质的测定糖的混合物的分析报告,黄酮类化合物,化合物在感冒药,dipyrone,罂粟碱药品配方(6,8- - - - - -10]。介绍了紫外可见光谱法研究结合最优化工具同时测定的血糖和胆固醇血清样本。
2。材料和方法
2.1。化学物质
胆固醇的酶试剂由胆固醇酯酶(切,1000 U / L),胆固醇氧化酶(CHOD 300 U / L),过氧化物酶(POD, 650 U / L)苯酚,和4-aminophenazone (4-AP)。葡萄糖酶试剂是由葡萄糖氧化酶(上帝,15000 U / L),过氧化物酶(POD, 1000 U / L),苯酚,4-AP。葡萄糖水主要标准(100 mg / dL),胆固醇水主要标准(200 mg / dL),酶试剂,主要标准是由Spinreact(西班牙赫罗纳)。特里同x - 114和3 - [N-Morpholino] propanesulfonic酸(拖把、99.5%)从Sigma-Aldrich购买(σ,圣路易斯,密苏里州,美国)。拖把缓冲溶液(10毫米,pH值6)是由使用拖把和特里同x - 114 10% (w / v)。所有的解决方案都准备在去离子水获得Mili-Q水净化系统(Milipore,贝德福德,妈,美国)。
2.2。样品分析
血清是由离心20分钟1500转的速度。从志愿者收集血清样本6毫升红真空采血管管。所有样品都冻结在4°C,直到他们的分析(11]。
光谱测量进行使用珀金埃尔默λ40紫外可见分光光度计(珀金埃尔默,马德里,西班牙)。紫外可见光谱被记录在380 nm和800 nm(每隔5 nm)。吸光度光谱获得的样本采用石英电池(10毫米的光路,Hellma分析mod。104-10-40)。每次测量后,细胞使用去离子水清洗。实验数据被Savitzky-Golay平滑方法和五点窗口(12]。
2.3。多元的决心
股票的解决方案的葡萄糖(100 mg / L)和胆固醇(100 mg / L)准备拖把缓冲的主要标准。标准的解决方案(0.2 - -0.6 mg / dL)同时研究由混合整除的不同浓度的葡萄糖和胆固醇雇佣一个32-concentration矩阵。混合物包括1毫升的拖把缓冲区,1毫升的葡萄糖酶试剂,和1毫升的胆固醇酶试剂和去离子水,直到完成10毫升。血清样本分析,20μl整除拍摄,遵循同样的步骤描述混合解决方案。
数据分析,该地区400 - 600 nm(每5 nm, 41每个光谱数据)被选中,因为这从有趣的混合组件包含合适的光谱信息。样本分为校准(13个样本,矩阵13×41)和预测(9×9样品,矩阵41)集。请完成使用一款统计软件17.1版本(一款统计软件公司,州立大学,宾夕法尼亚州,美国)。安数据分析了使用MATLAB版本9.2(计算方式,纳蒂克,美国)使用NN-toolbox。
2.4。参考方法
血清血糖和胆固醇水平测定单独使用先前描述的方法采用Spinreact提供的工具。样本处理和分析指令后由制造商提供。血清的解决方案准备了10μL的样本和1毫升的血糖和胆固醇试剂,视情况而定。空白的解决方案是包括1毫升的试剂和标准溶液是10μ基本标准和L 1毫升的试剂。所有的解决方案进行了分析。通过紫外可见分光光度法进行测定
3所示。结果与讨论
校正集的组成构造根据阶乘设计(32(图)+ 4内部验证点1)。这些解决方案的扫描监控波长范围样本分析部分中提到。
光谱分析表明,最大的血糖和胆固醇吸收505海里,对分析物(图2)。获得的最大吸收是全等酶工具包中提供的信息。
吸光度与浓度关系的13个组合解决方案(葡萄糖+胆固醇)被请分析。均方根误差验证(RMSEC),交叉验证均方根误差(RMSECV),预测残差平方和(新闻),相关系数校准,交叉验证了选择适当的模型。可接受的模型应该低RMSEC RMSECV和高相关系数。此外,应该小(RMSECV和媒体之间的差异13,14]。请校准模型的参数如表所示1。可以看到,平滑的R2高数据集,RMSEC很低在这两种情况下,RMSECV和媒体之间的区别是在第一个数据集高于使用数据集。尽管如此,使用数据集提出更好的结果在RMSEC RMSECV;RMSECV并按高的区别,这表明有分散的数据。
检查请校准模型的鲁棒性,模型应用于一个独立的预测集(内部验证点),这是不同于那些在校准模型。研究的结果发表在表2。预测的相对误差的值(% REP)是介于27%和64%之间;这意味着应用程序请模型给出了一个预测能力不足的同时量化的血糖和胆固醇。
基于这些结果,我们应用人工神经网络方法来确定血糖和胆固醇血清样品的浓度。为了选择最好的神经网络,不同的体系结构比较构建和验证网络的预测模型,它由一个输入层、一个隐藏的,和一个输出。输入层的神经元的数目等于独立变量进入模型的数量;在这种情况下41数据得到吸光度范围400 - 600 nm(测量5海里)。在输出层神经元的个数与模型输出变量的数量;在这项研究中是血糖和胆固醇的浓度。
另一方面,隐层神经元的数量获得最好的架构网络通过以下过程:人工神经网络与隐层神经元的“N”创建和培训和传递函数的类型定义。校准的网络训练数据集,考虑70%的学习,15%的监测,15%测试网络。上面的程序是由结合不同类型的培训和转移函数。获得不同结构的错误后,我们选择了最佳的隐层神经元传递函数,和培训类型基于最小均方误差(MSE)正常化,代表%,RMSE (mg / dL)两个分析物(15]。
因此,找到最合适的网络体系结构描述的过程对测量信号的分辨率。因此,最好的网络模型是获得使用Tansig(切乙状结肠)传递函数在隐藏层和purelin线性函数为输出层。最合适的算法在训练阶段是Levenberg-Marquardt [16]。从人工神经网络优化参数和误差估计方法如表所示3。这个过程是重复数据集(平滑5分);研究的结果发表在表4。
优化的人工神经网络组校准后,另一组(内部验证点)被用来执行验证预测,通过分析的准确度和精密度。来自验证集的结果如表所示5分别为每个分析物。最低RMSEP值与预测的相对误差范围在5%和8%之间,足以接受该方法准确(7),而应用PLS方法获得的代表值高于50%(表2)。
另一方面,该ANN方法也被应用于测定的血糖和胆固醇血清样本。表6列表的值用该方法获得的血糖和胆固醇和相应的值报告的参考方法。我们可以观察到两种类型的结果具有可比性,即使很少有差异,表明ANN方法可用于同时测定的血糖和胆固醇。
4所示。结论
紫外可见光谱法结合化学计量学的方法工具建立了同时测定的血糖和胆固醇。这是发现安是最适当的方法来预测分析物的价值。比较结果与参考方法,该方法开发的工作介绍无显著差异。拟议中的紫外安)方法是快速和相对廉价的,它促进了同时测定的血糖和胆固醇血清样本。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
作者感谢conacyt - cb - 624277金融支持这项研究和设施。