文摘
模型描述人类有机体中的微量元素状态形成至关重要的修正micromineral微量元素缺乏症。直接在体内微量元素保留评估由于许多内部机制是困难的。微量元素保留是由传入和排泄物质的数量和比例。所以,饮用水中微量元素的浓度特征的摄入量,而元素浓度在尿液排泄的特点。这个系统可以解释为三个相互关联的要素的平衡。由于系统中许多关系不清楚,使用标准的数学模型是很困难的。使用人工神经网络适用于构建一个模型的最好方法,因为它能够考虑到系统中的所有依赖项隐式和过程不准确和不完整的数据。我们创建了几种神经网络模型来描述译者人体的微量元素。在该模型基础上,我们可以计算体内的微量元素水平,了解饮用水中微量元素的含量和尿。这些结果可用于卫生保健为人口提供安全的饮用水。
1。介绍
众所周知,水和食物摄入量之间有一个复杂的依赖和微量元素保留个人状态的形成,这依赖一般非线性性质。因此,线性多元回归任务建模方法无法描述具有足够精度的重要因素之间的关系出现在人体的模型开发(1- - - - - -8]。
许多研究[9- - - - - -18)断言,微量元素进入人体主要通过水和食物摄入量,那么他们是由血液通过绑定到特定的蛋白质;然而,其中的某一部分(这是不同的不同的元素)电离形式存在于血液。肾脏调节通过排泄尿液中微量元素平衡。同时,微量元素形式不绑定到蛋白质的比例大大增加,过度的设置从外面承认由于自我平衡的限制可能出现的运输蛋白,因此,缺乏储备绑定。在这种情况下,肾脏的排泄功能增加,尿液中元素的浓度增加。
微量元素浓度的动态的造型在血清和尿液中排泄的矿物质的过程是一个重要的阶段特征与微量元素保留相关的流程。因此,本研究旨在创造模型,充分反映了基本要素的平衡,以及流程的摄入量,排泄,,特别是在体内潴留。
神经网络方法的可能性,自动考虑显式或隐式的依赖关系,存在初始数据中(19- - - - - -21]。此外,神经网络,与传统的建模方法相比,允许使用不完整和不准确的输入数据和能够反映非线性依赖和选择正确的校正系数(22]。然而,神经网络的使用仅限于简单的直接分销网络。此外,科学出版物近年来不包含信息的使用神经网络评估和修正的体内微量元素的平衡。使用“多层感知器神经网络的类型、自组织映射(Kohonen地图或Kohonen网络)和概率神经网络,以及混合级联网络(多层神经网络专家,神经网络级联,等等),可以减少计算错误从十几个百分点,甚至趋近的百分比。
2。材料和方法
为了模型的过程保留在体内微量元素,我们分析了超过2000个样本的动态的内部媒体儿童和青少年生活在喀山市(俄罗斯)和超过750个样本的饮用水被评估的浓度最常见的微量元素(锌、铜、铁、铅、铬、和Sr)。
的血液样本测试研究离心机15分钟3000转速/分钟。校准的解决方案(股票和工作)准备基于国家标准样品的标准方法。测量血液中的金属含量,我们以前用再蒸馏的水稀释血清1:2的比例(检测锌、铜和铁)或柠檬酸滤液(在Pb、Cr和Sr)。得到柠檬酸滤液,我们在盐酸水解乳清蛋白(试剂级),添加0,75毫升的5%盐酸溶液1,5毫升的血清和孵化为1小时37°C。蛋白质水解后,沉淀了0,75毫升20%的柠檬酸(三氯乙酸),在最后一个稀释1:2比,1 h后离心10分钟1500转速/分钟。收集上清液(柠檬酸滤液)进行分析。
在这些情况下,当某种微量元素的浓度低于检测水平和柠檬酸滤液不能被直接探测到,我们使用浓度/提取方法:添加0 5毫升的2%二乙基二硫代氨基甲酸钠溶液和2滴triton - x - 100洗涤剂,5毫升的血清和大力摇晃混合10秒钟。然后,我们让混合物接受10分钟,加了1,5毫升的醋酸丁酯,震动了1分钟,离心机,分析了提取。通过这种方式,我们成功地降低1倍的检测水平,5为chrome和2倍,5锶和铅。
为了确定尿液中微量元素,我们每天收集尿液样本和研究了金属的浓度直接分析。
众所周知,微量元素的电离形式进入身体消耗水有效地吸收。微量元素在水中盐分离具有高生物活性;这些盐在胃肠道的吸附是非常快速和完整。因此,微量元素进入身体的一部分以溶解形式必须以某种方式体现在血清中的浓度的变化5]。
在饮用水样品的准备,我们在水浴蒸发1升水,然后溶解的固体残渣50毫升1 N硝酸(试剂级)。获得的代表性试样由AAS分析方法。
的分析方法来确定微量元素检查媒体,我们选择了AAS法,因为它被称为最选择性和可再生的方法之一,是公认的高选择性和执行速度,这就变成了一个非常重要的因素当执行研究人口水平。这种方法尤其适合的分析解决方案,因为在这种情况下,分离分析物质的原子可以通过加热在本生灯。微量元素的检测在一个高度含氧空气乙炔火焰高度选择性和特征本身由一个微不足道的样品成分对分析结果的影响。执行的主要统计处理结果使用软件包”STATISTICA 6。“我们计算置信区间、方差、四分位数的常态分布,和统计学意义(t以及)。结果的意义决定使用95%置信区间( )。
MLP-type神经网络被选为范式的回归模型23]。这种类型的神经网络的结构定义的经验和是由复杂的数据中包含的信息。训练神经网络,我们使用一个网络减少基于多目标优化方法(24]。
3所示。结果
广泛的浓度梯度检测微量元素测试媒体。从之前的实验结果表明,知道饮用水中微量元素的含量不足以建立适当的模型描述这些元素进入血液,随后会在尿液中排出。出于这个原因,我们决定补充模型与人类有机体的一些生理特征的信息。测试个人的身高和体重是作为人体测量影响因素直接金属的生物积累过程和他们的排泄。这些因素定义了一个关键的形态学参数广泛应用于毒理学和人体生理,和被称为人体表面积(1),它是间接循环系统的长度: 在哪里是身体表面积,以m2,在厘米高度,测量,是重量,以公斤。
为了提高计算的准确性电离尿液中微量元素的浓度,我们介绍了一个由肾脏的排泄功能特点,即“每日利尿,”,这是尿的总量(ml)每天由人类有机体。
因此,计算保持水平,我们使用下面的数据元组形式:“(饮用水中微量元素的浓度)&(血清中微量元素的浓度)&(尿液中微量元素的浓度)−体内潴留水平”。输入参数,“饮用水中微量元素的浓度是由直接测量,而参数“血清浓度的微量元素”和“尿液中微量元素的浓度”像的方式计算,分离神经网络模型的基础上。
评估保留级别的模型是基于模糊推理系统(25),因为这种模型考虑的模糊边界的概念“低”(编码为0)和“高”(编码1)在水中微量元素水平,血液,尿液,也反映出的非线性特性的依赖的因素决定保留。语言值的量化值与饮用水中微量元素的浓度,血液和尿液(毫克/升)通过高斯隶属函数与中心之间的边界计算第一(低)和第三四分位数(上)的基础上的一系列户外测量(见表1)。
4所示。讨论
以下推理允许确定输出参数的性格和价值观”保持水平。分析后得到的回归系数线性模型描述了饮用水中微量元素的浓度之间的相关性,血清、尿液,可能会指出,在比率(“水”:“血液”:“尿液”)5:2:3。特别是,如果我们考虑的比率指标的回归,过剩的值,减少对系列的中值,每个元素的样品(R保留,R水,R血,R尿液),那么它的形式
如果我们把传统的单位作为保留的最大强度,然后序列的加权系数的因素“水”= >“血液”= >“尿液”分布如下:(我)高水平的血液中微量元素(1)编码对应一个重量的0,2,而一个低水平的血液中微量元素(编码为0)对应于一个重量−0,2;(2)高水平的饮用水中微量元素(1)编码对应一个重量的0 5,而一个低水平的饮用水中微量元素(编码为0)对应于一个重量−0 5;(3)高水平的尿液中微量元素(1)编码对应一个重量的0,3,而一个低水平的尿液中微量元素(编码为0)对应于一个重量−0,3。
正如我们看到的,保留的强度随−1,在分泌过多的情况下,+ 1,保留水平是最大的。保留级别等于0时,没有体内浓度发生变化,系统保持在一个平衡状态。
因此,推理的规则采取下列意义和描述的强度和方向保持流程(“水”:“血液”:“尿液”):(1)如果(饮用水中微量元素的浓度=“低”)和(血清中微量元素的浓度=“低”)和(尿液中微量元素的浓度=“低”)然后保留级别=−0 5−0 2 + 0,3 =−0,4,所以它是“适度减少”。(2)如果(饮用水中微量元素的浓度=“低”)和(血清中微量元素的浓度=“低”)和(尿液中微量元素的浓度=“高”)然后保留级别=−0 5 2 - 0,3 =−1,0,所以它是“最小”。(3)…,等等。
考虑到采用编码,基本的规则集可以表示成表2。
这个分布给出了一个动态特性的保留在体内的微量元素水平,重点是平衡状态。
有两个模糊推理系统,可以合理地认为是适合解决这个问题:Mamdani系统输出的模糊和/或去模糊化和去模糊化Takagi-Sugeno系统的线性输出。在Mamdani推理系统的情况下,语言的输出变量值的定量表达式“保留水平”是中心点输出的高斯隶属函数或单件。Takagi-Sugeno模糊系统的情况下,获得的定量值是常数项(y拦截)的线性组合输入零系数(26]。
我们构造了一个混合智能模型组成的两个cascade-coupled神经网络(27)作为一个实际的实现该方法确定金属在血清和尿液的浓度,分别基于饮用水中微量元素的浓度数据和物理测试个人的人类学特征。模型的第三个元素是一个Mamdani推理系统与一个定义高斯隶属度函数的输出参数(保留级别)基于模糊初始数据对饮用水中微量元素的含量,血清和尿了在前面的阶段。测试的模型评估保留任何微量元素(TE)功能结构如图1。
微量元素的实际批准保留模型进行了测试组的儿童和青少年。表3- - - - - -5提供了一些实验的结果对于锌。
由于级联模型,我们得到以下的值在血清和尿锌浓度:0892 mg / l和0433 mg / l,分别(表3)。这些值输入到Mamdani系统。数据处理的结果如图所示2。
因此,锌保留的价值被发现0407 mg / l,这对应于一个中等高度。
由于级联的造型,均获得以下值在血清和尿锌浓度:0867 mg / l和0 mg / l,分别(表4)。数据处理的结果如图所示3。
获得了锌值保留为0708 mg / l,对应于一个很高的水平。
由于级联模型,我们得到以下的值在血清和尿锌浓度:0778 mg / l和0527 mg / l,分别(表5)。数据处理结果如图4。
锌的负值获得保留(−0463 mg / l)是一种分泌过多的证据锌和对应于一个适度水平低。
5。结论
我们提出的方法来评估和定量表达人体微量元素的保留是基于级联混合智能系统,建议本身的高度的准确性和可靠性。这种方法不需要昂贵的实验室研究和允许评估的值保留在体内利用方便的信息。简化结构的神经网络回归模型(减少数量的输入)提供足够的精度,增加和减少神经网络模型的充分性。
可以使用此方法评估保留在随后的测定微量元素在人体内的平衡,选择一个适当的平衡校正方法,在个人和人口水平。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持的项目竞争力增长的喀山联邦大学和补贴分配到喀山联邦大学为国家分配在科学领域的活动。