• 医学文献
  • 知识库
  • 评价分析
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
  • 临床诊疗知识库
  • 中医药知识库
  • 机构
  • 作者
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

医学文献>>
  • 全部
  • 中外期刊
  • 学位
  • 会议
  • 专利
  • 成果
  • 标准
  • 法规
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
热搜词:
换一批

基于近红外和中红外光谱的糖化白蛋白结构表征及糖尿病判别研究

摘要糖尿病及糖尿病并发症已经成为了影响人类生命健康的重大疾病,因此对于糖尿病及糖尿病并发症的早期诊断成为了当前需要解决的主要问题。糖化白蛋白(glycatedalbumin,GA)作为高糖水平下的产物,能够反映近2-3周内的血糖水平,因此成为了检测阶段性血糖控制情况的中间检测指标。同时,诸多研究表明,白蛋白糖化后的产物与包括肾病,视网膜病变以及心血管疾病在内的多种糖尿病并发症有关。因此,对于白蛋白糖化过程及结构表征能够为GA提供特征识别标志,从而实现对GA的定量以及基于GA进行糖尿病的早期筛查,提供一种新的GA检测方式与糖尿病早期筛查方法。<br>  本研究利用近红外光谱技术(near-infraredspectroscopy,NIRS)与中红外光谱技术(mid-infraredspectroscopy,MIRS),从GA的特征光谱结构入手,以人血清白蛋白(humanserumalbumin,HSA)和葡萄糖为糖化模型的反应底物,进行GA的定量研究,并且基于GA特征光谱结构进行了糖尿病判别分析,为糖尿病的病情检测及诊断提供了新的研究方法,为白蛋白的糖化过程及结构分析奠定了基础。<br>  本论文的研究内容主要包括以下三个方面:<br>  (1)基于NIRS和MIRS的糖化白蛋白特征光谱结构的归属及糖化过程分析研究<br>  基于NIRS和MIRS,结合差谱,二维相关光谱以及光谱预处理方法提取了GA相对于反应底物HSA和葡萄糖的特征近红外和中红外光谱波段,分别为6100-5600cm-1,4900-4200cm-1和1900-1200cm-1。NIRS结合水光谱组学分析揭示了HSA糖化过程中氢键水物种向水合水物种转化的现象,MIRS表征了HSA糖化过程中的新产物。NIRS揭示了糖化程度与糖浓度的正向依赖关系,MIRS揭示了不同糖浓度对蛋白质二级结构的影响,低浓度时有一定的保护作用,高浓度时糖化过程破坏了原HSA二级结构。<br>  (2)基于NIRS和MIRS的糖化白蛋白含量表征研究<br>  针对现行GA检测方法存在检测成本较高,时间较长的局限性,我们以体外模拟糖化过程制备的72个样本为分析对象,以常用的硝基蓝氯化四氮唑比色法检测GA含量为一级数据,分别建立了用于预测GA含量的近红外定量分析偏最小二乘回归(partialleastsquaresregression,PLSR)模型和中红外定量分析PLSR模型。基于光谱预处理和波段选择以及第一章中基于GA物质结构基础提取的特征光谱波段对模型进行了优化,并且将近红外和中红外进行了多光谱数据融合,对PLSR定量模型进行了进一步优化,最终建立了一种稳健的用于预测GA含量的PLSR定量分析模型,为GA的含量测定提供了新的方法。<br>  (3)基于糖化白蛋白特征近红外和中红外光谱的糖尿病判别分析研究<br>  以2型糖尿病(diabetesmellitustype2,T2DM)小鼠和正常小鼠的血清为分析对象,以GA为糖尿病生物标志物,以第一章中提取的GA的特征近红外和中红外光谱波段为研究基础,对T2DM和正常小鼠进行了判别分析。分别建立了用于筛查T2DM的近红外偏最小二乘定性判别分析(partialleastsquaresdiscriminationanalysis,PLS-DA)模型和中红外PLS-DA模型,同时对比了光谱预处理和传统波段选择方法对PLS-DA模型的优化效果。最终实现了基于GA的特征光谱结构,即以GA为糖尿病生物标志物进行T2DM的筛查,建立了稳健的判别分析PLS-DA模型,为糖尿病的筛查提供了新的研究视角,为以GA为生物标志物的疾病诊断奠定了研究基础。

更多
广告
  • 浏览0
  • 下载0

加载中!

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中!

加载中!

加载中!

加载中!

特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

  • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

  • |
  • 客服邮箱:yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

官方微信
万方医学小程序
new翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷