Ученые из МГУ имени М.В. Ломоносова разработали разработали метод, позволяющий по метаболомам делать заключения о процессах, протекающих в организме. Схема пригодится врачам, фармакологам, экологам, а также будет полезна для контроля качества пищевых продуктов. Результаты исследования опубликованы в журнале Analytical Methods. Метаболомом в организме называют совокупность низкомолекулярных соединений, например, углеводов, аминокислот, органических кислот и нуклеотидов. Определив его состав у человека, врачи могут наблюдать за происходящими в организме процессами. Когда какое-либо заболевание развивается, метаболом пораженной ткани может резко изменится. Поэтому высокие или низкие концентрации веществ могут стать биомаркерами, которые позволяют обнаружить проблемы. Например, определение уровня креатинина в крови и мочи применяют для оценки работы почек, а анализ на содержание желчных кислот помогает сделать вывод о функционировании печени. Кроме медицинского применения, метаболомика помогает в микробиологии, пищевой химии, поиске новых лекарств и отслеживании состояния окружающей среды. Однако в этой науке до сих пор нет единой процедуры анализа данных. Это связано с тем, что что экспериментальные данные могут быть получены из десятков серий измерений биологических образцов в разных условиях. А для их анализа используют различные статистические методы, которые позволяют подтвердить или опровергнуть гипотезы. Ученые химического факультета МГУ имени М.В. Ломоносова разработали универсальную схему, которая позволит анализировать метаболом. Для этого скомбинировали существующие статистические методики. Авторы исследования собрали несколько десятков наборов экспериментальных данных из открытых баз, а анализы 8 добровольцев, 20 пациентов с колоректальным раком до операции и 12 пациентов после операции они получили от НМИЦ колопроктологии имени А.Н. Рыжих. «По формальным признакам, используемый нами подход никто в таком виде до этого не использовал, мы объединили существующие подходы с некоторыми изменениями. Нашу работу выгодно отличает от прочих беспрецедентный объем валидации — 36 наборов данных, тогда как обычно ограничиваются тремя-пятью», — рассказал один из авторов работы, младший научный сотрудник кафедры аналитической химии химического факультета МГУ Иван Плющенко. Метаболом анализируют с помощью мощных методов, которые позволяют определять в образце тысячи соединений. Однако из-за большого числа компонентов анализатор прибора загрязняется, в результате чего итоговый сигнал прибора искажается. Поэтому необходимо проводить коррекцию сигнала, особенно в случае объемных исследований. Авторы исследования использовали методы машинного обучения. Их характерной чертой является не прямое решение задачи, а обучение моделей в процессе решения множества сходных задач. Исходный набор данных многократно разбивают на две части. Одну из них применяют для построения оптимальной модели, а вторую — для проверки характеристик модели. Разработанная учеными МГУ методика включает в себя не только методы машинного обучения, но и статистического анализа и коррекцию дрейфа сигнала приборов, что позволяет решать задачи классификации и выделять минимально необходимый для правильной классификации набор биомаркеров. Этот подход призван стандартизировать процедуру анализа данных в метаболомике. Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще. Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.
