基于可視化仿生鼻的酮體標(biāo)志物檢測研究*

易 鑫， 羅小剛， 侯長軍， 霍丹群， 劉晏明

(重慶大學(xué) 生物工程學(xué)院，重慶 400044)

0 引 言

人體酮體水平在臨床上具有重要意義[1]，能為醫(yī)生提供有效的診斷依據(jù)并能及時(shí)地遏制病情的進(jìn)一步惡化。對于潛在的酮癥患者，需要長期且頻繁的酮體水平監(jiān)測，特別是伴隨著當(dāng)前即時(shí)檢驗(yàn)(point-of-care testing,POCT)技術(shù)以及醫(yī)療儀器家用化的持續(xù)發(fā)展，迫切需要一種無創(chuàng)、直觀簡便的實(shí)驗(yàn)室外酮體檢測方法。

當(dāng)前主流的酮體檢測方法中，如分光光度法、電化學(xué)方法、光譜分析法等等[2]，存在著儀器昂貴、或者有創(chuàng)、或者需要專業(yè)技術(shù)人員操作等問題，更適用于臨床上或者實(shí)驗(yàn)室內(nèi)的酮體水平檢測。據(jù)相關(guān)研究表明，人體呼出丙酮?dú)怏w與酮體水平密切相關(guān)，可以作為反映酮體的重要標(biāo)志物用于酮癥的診斷及監(jiān)控[3]。

結(jié)合當(dāng)前最新的基于光化學(xué)比色傳感器陣列的可視化仿生鼻技術(shù)在微量級目標(biāo)分析物檢測中所展示出的響應(yīng)速度快、高選擇性、高特異性、無創(chuàng)、檢測結(jié)果直觀可視化等特點(diǎn)[4～6]，本文基于可視化仿生鼻技術(shù)對酮體標(biāo)志物丙酮?dú)怏w檢測進(jìn)行了深入研究，探索比色傳感器陣列與不同濃度丙酮?dú)怏w的顏色特征響應(yīng)關(guān)系，為人體酮體水平的實(shí)驗(yàn)室外檢測技術(shù)提供了一種新的研究思路和方法。

1 檢測原理

光化學(xué)比色傳感器陣列由多個(gè)具有非特異性化學(xué)傳感器單元以5×5或6×6等陣列形式組成。傳感器單元主要包括卟啉及卟啉衍生物、氧化還原劑以及pH指示劑等化學(xué)試劑，具有非常優(yōu)良的分子識別能力[7,8]。當(dāng)傳感器單元與目標(biāo)分析物發(fā)生分子間的相互作用時(shí)，其吸收光譜發(fā)生改變[9]，引起傳感器單元呈現(xiàn)不同的顏色變化。當(dāng)比色傳感器陣列與不同分析物反應(yīng)時(shí)，其整體響應(yīng)會形成具有獨(dú)特模式的顏色響應(yīng)差值圖譜，即分析物的“指紋圖譜”[10]。

當(dāng)前分析化學(xué)廣泛應(yīng)用的顏色空間應(yīng)用中，色度飽和度亮度(hue saturation intensity,HIS)顏色空間具備分量獨(dú)立性，易于圖像處理等特點(diǎn)[11]，更重要的是，其H分量與可見光光譜信息的主波長有關(guān)[12]。理論上，通過H分量實(shí)現(xiàn)對物質(zhì)的定性或定量檢測與基于光譜信息的分析化學(xué)方法具有一定的類比性。綜上考慮，實(shí)驗(yàn)中所獲取的顏色信息需要通過式(1)轉(zhuǎn)換到HSI顏色空間

(1)

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)裝置

如圖1所示，整個(gè)實(shí)驗(yàn)裝置由三大子系統(tǒng)所構(gòu)成：上位機(jī)主控制系統(tǒng),如圖1(a)，氣路循環(huán)系統(tǒng),如圖1(b)和下位機(jī)微控制系統(tǒng),如圖1(c)。配氣室所配置的一定濃度的目標(biāo)氣體在氣泵的引導(dǎo)下進(jìn)入反應(yīng)氣室，并與比色傳感器陣列發(fā)生循環(huán)反應(yīng)，此時(shí)上位機(jī)主控制系統(tǒng)控制攝像頭抓取陣列反應(yīng)前后的圖像并獲取差值譜圖完成圖像分析。在反應(yīng)期間，下位機(jī)微控制系統(tǒng)協(xié)助主控制系統(tǒng)實(shí)現(xiàn)氣泵、電磁閥和光源的控制，同時(shí)完成反應(yīng)環(huán)境的監(jiān)控。

圖1 實(shí)驗(yàn)裝置示意

2.2 實(shí)驗(yàn)準(zhǔn)備

1)傳感器陣列制備

實(shí)驗(yàn)前，根據(jù)需要篩選出對丙酮?dú)怏w選擇性較強(qiáng)的36種化學(xué)試劑，并利用微陣列點(diǎn)樣儀分別制備了5組，每組15張，共計(jì)75張同等規(guī)格類型的6×6比色傳感器陣列。使用前，所有制備好的比色傳感器陣列必須在充滿氮?dú)?N2)的密封容器中放置24 h。

2)丙酮?dú)怏w配制

健康人群呼出丙酮?dú)怏w的平均濃度含量在(0.49±0.2)×10-6水平范圍，而糖尿病患者的呼出丙酮?dú)怏w濃度水平則在1×10-6以上，酮癥酸中毒患者的呼出丙酮?dú)怏w濃度甚至可以高達(dá)20×10-6以上。因此，為了模擬出酮癥患者呼出丙酮?dú)怏w的濃度范圍，實(shí)驗(yàn)前,利用99 %的氮?dú)?重慶晉升氣體生產(chǎn))將99 %的丙酮分析純(重慶川東化工生產(chǎn))分別稀釋得到10×10-6，40×10-6，80×10-6，120×10-6，200 ×10-6等5個(gè)濃度水平的丙酮?dú)怏w，并使用氣相色譜儀對各濃度丙酮?dú)怏w樣本進(jìn)行了定標(biāo)。

3)檢測參數(shù)設(shè)置與數(shù)據(jù)預(yù)處理

在丙酮?dú)怏w檢測實(shí)驗(yàn)中，反應(yīng)時(shí)間設(shè)置為6 min，同時(shí)在反應(yīng)中分15個(gè)不同時(shí)刻抓取比色傳感器陣列的反應(yīng)圖像(時(shí)間點(diǎn)分別為0.25,0.50,0.75,1.00,1.25,1.50,2.00,2.50,3.00,3.50,4.00,4.50,5.00,5.50,6.00 min等)。

待丙酮?dú)怏w與比色傳感器陣列充分反應(yīng)后，根據(jù)式(2)分別獲取對應(yīng)時(shí)間點(diǎn)陣列圖像反應(yīng)前后的顏色差值信息ΔHSI

(2)

式中Ht，St，It分別為反應(yīng)后某一時(shí)刻陣列點(diǎn)的色調(diào)值、飽和度值、亮度值；H0，S0，I0為反應(yīng)前陣列點(diǎn)的顏色分量值。ΔHSI具有唯一性，是實(shí)現(xiàn)目標(biāo)氣體分析檢測的數(shù)據(jù)基礎(chǔ)。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 HSI特征動態(tài)響應(yīng)分析

如圖2(a)所示，比色傳感器陣列與不同濃度丙酮?dú)怏w反應(yīng)中，主要由坐標(biāo)分別為(2，1)，(3，1)，(3，2)，(4，5)，(5，4)等5個(gè)傳感器單元產(chǎn)生顏色響應(yīng)。實(shí)驗(yàn)分析中主要考慮該5個(gè)傳感器單元的HSI差值特征。為了描述比色傳感器陣列的HSI差值特征動態(tài)響應(yīng)過程，可以通過式(3)來表示t時(shí)刻傳感器陣列在H，S，I3個(gè)分量上的響應(yīng)強(qiáng)度

(3)

式中 ΔHt(2,1)為t時(shí)刻坐標(biāo)為(2，1)的陣列點(diǎn)H分量的特征響應(yīng)值；ΔSt(2,1)，ΔIt(2,1)等類推。

實(shí)驗(yàn)中，統(tǒng)計(jì)了各濃度丙酮?dú)怏w15次平行樣本檢測中H，S，I分量響應(yīng)強(qiáng)度的均值作為對應(yīng)濃度丙酮?dú)怏w的整體響應(yīng)強(qiáng)度。通過上述操作，獲得了如圖2所示不同濃度丙酮?dú)怏w的HSI差值動態(tài)響應(yīng)曲線。

圖2 不同濃度丙酮?dú)怏wHSI差值特征動態(tài)響應(yīng)特性

可知HSI差值動態(tài)響應(yīng)曲線在5 min后逐漸趨于平緩，表明6 min時(shí)傳感器陣列與丙酮?dú)怏w的反應(yīng)過程已經(jīng)基本達(dá)到平衡，提示該時(shí)刻的HSI特征響應(yīng)圖譜可以作為對應(yīng)濃度丙酮的特征圖譜進(jìn)行后續(xù)的特征分析。通過圖中不同濃度丙酮所對應(yīng)顏色分量(ΔH，ΔS，ΔI)的變化趨勢表明丙酮濃度與顏色信息變化不存在簡單的線性關(guān)系。

3.2 HSI特征聚類分析

如圖3所示為傳感器陣列與不同濃度丙酮?dú)怏w反應(yīng)6 min后所得到的HSI差值特征圖譜， 5個(gè)傳感器單元的顏色特征信息組成了5×3=15維的特征向量數(shù)據(jù)?？紤]到統(tǒng)計(jì)學(xué)方法在高維數(shù)據(jù)分析中的優(yōu)良效果，實(shí)驗(yàn)中選擇了其中的層次聚類分析法對不同濃度丙酮?dú)怏w的HSI差值特征進(jìn)行了數(shù)據(jù)分析。

圖3 不同濃度丙酮?dú)怏wHSI差值特征圖譜

實(shí)驗(yàn)中5種濃度，每個(gè)濃度得到15個(gè)平行樣本檢測數(shù)據(jù)，每個(gè)濃度隨機(jī)抽取其中的5個(gè)樣本數(shù)據(jù)，共計(jì)25個(gè)樣本的HSI差值特征向量數(shù)據(jù)進(jìn)行層次聚類分析。聚類分析中選擇了常用的離差平方和法作為聚類準(zhǔn)則，同時(shí)選擇了n維向量下的歐氏距離作為類間距離的統(tǒng)計(jì)方式，最終的分析結(jié)果如圖4所示。

圖4 不同濃度丙酮?dú)怏wHSI差值特征的層次聚類樹狀圖

可知，層次聚類分析方法大體上將25個(gè)樣本劃分成了5個(gè)大類，但并未完全實(shí)現(xiàn)相同濃度氣體樣本的聚類，其結(jié)果與預(yù)期的聚類效果相距甚遠(yuǎn)。雖然圖3中所示的不同濃度丙酮?dú)怏w的HSI差值特征圖譜在視覺效果上所表現(xiàn)出來的差異比較明顯，但在實(shí)際的聚類分析中仍然出現(xiàn)了錯誤分類。

HSI差值特征數(shù)據(jù)聚類失敗的主要原因可能是聚類中僅僅考慮了樣本間的距離，但實(shí)驗(yàn)中所得到的不同濃度丙酮?dú)怏w的HSI差值特征數(shù)據(jù)之間的差異非常小，因此，很有可能出現(xiàn)將不同濃度氣體錯誤歸為一類的情況。此外，HSI特征動態(tài)響應(yīng)分析結(jié)果中表明：HSI差值特征與丙酮?dú)怏w濃度存在著非線性的關(guān)系，而層次聚類分析法作為線性分類方法可能無法解決這種非線性關(guān)系映射問題。

3.3 基于反向傳播神經(jīng)網(wǎng)絡(luò)的HSI特征識別

1) 網(wǎng)絡(luò)模型設(shè)計(jì)

建立反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)HSI差值特征到丙酮濃度的映射關(guān)系，根據(jù)輸入、輸出數(shù)據(jù)的特征確定網(wǎng)絡(luò)結(jié)構(gòu)模型，主要包括輸入層、隱含層、輸出層以及激勵函數(shù)等參數(shù)的確定[15]。最終確定的參數(shù)如表1所示。

表1 本文采用的BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

2)網(wǎng)絡(luò)模型訓(xùn)練

從實(shí)驗(yàn)中所獲得的5組不同濃度實(shí)驗(yàn)數(shù)據(jù)中各自隨機(jī)抽取13個(gè)平行樣本數(shù)據(jù)作為訓(xùn)練集開始進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練，剩余的2個(gè)平行樣本數(shù)據(jù)作為測試集進(jìn)行模型驗(yàn)證。

3)識別結(jié)果與分析

為了驗(yàn)證實(shí)驗(yàn)所建立的網(wǎng)絡(luò)模型的有效性，將各濃度丙酮?dú)怏w的測試集數(shù)據(jù)輸入到網(wǎng)絡(luò)中進(jìn)行HSI特征識別，識別結(jié)果如表2所示。

表2 不同濃度丙酮?dú)怏w的HSI特征識別結(jié)果

可知：所有測試集樣本的識別濃度和實(shí)際濃度的平均相對誤差為6.67 %，滿足相對誤差小于10 %的要求。這表明實(shí)驗(yàn)中所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型建立了HSI差值特征到丙酮?dú)怏w濃度的非線性映射關(guān)系。當(dāng)然，表2中序號分別4，6，8的3個(gè)樣本測試中，識別結(jié)果的相對誤差分別高達(dá)32.4 %，10.35 %，10.14 %。說明本文用于建立網(wǎng)絡(luò)模型的訓(xùn)練集數(shù)據(jù)還需要進(jìn)一步豐富。

4 結(jié) 論

本文基于可視化仿生鼻對酮體標(biāo)志物丙酮?dú)怏w進(jìn)行了檢測，并針對不同濃度丙酮?dú)怏w的HSI差值特征進(jìn)行了動態(tài)響應(yīng)分析、層次聚類分析以及BP神經(jīng)網(wǎng)絡(luò)識別等。實(shí)驗(yàn)分析結(jié)果表明：丙酮?dú)怏w濃度與傳感器陣列的HSI特征響應(yīng)存在非線性關(guān)系，層次聚類分析無法完全實(shí)現(xiàn)相同濃度氣體數(shù)據(jù)的最優(yōu)聚類，而BP神經(jīng)網(wǎng)絡(luò)則較好地實(shí)現(xiàn)了不同丙酮?dú)怏w濃度的識別，識別結(jié)果的整體相對誤差為6.67 %。由此可見:可視化仿生鼻技術(shù)能夠?qū)崿F(xiàn)酮體標(biāo)志物丙酮?dú)怏w的有效識別，為實(shí)驗(yàn)室外酮體檢測方法提供了新的研究方向，但目前該研究還有待完善，如特征識別中訓(xùn)練樣本的多樣化、精細(xì)化以及色調(diào)H值變化與光譜信息變化的類比性研究等。

參考文獻(xiàn):

[1] Shaw J E,Sicree R A,Zimmet P Z.Global estimates of the prevalence of diabetes for 2010 and 2030[J].Diabetes Research & Clinical Practice,2010,87(1):4-14.

[2] 馬念章,李 光,廖靜敏.人體內(nèi)酮體檢測技術(shù)的研究進(jìn)展[J].分析化學(xué),2005,33(7):1019-1022.

[3] Qiao Y,Gao Z,Liu Y,et al.Breath ketone testing:A new biomarker for diagnosis and therapeutic monitoring of diabetic ketosis[J].Biomed Research International,2014,(1):869186.

[4] Askim J R,Mahmoudi M,Suslick K S.Optical sensor arrays for chemical sensing:The optoelectronic nose[J].Chemical Society Reviews,2014,45(2):8649-8682.

[5] Sener G,Uzun L,Denizli A.Colorimetric sensor array based on gold nanoparticles and amino acids for identification of toxic metal ions in water[J].ACS Applied Materials & Interfaces,2014,21 (6):18395-18400.

[6] Qian S,Lin H.A colorimetric indicator-displacement assay array for selective detection and identification of biological thiols[J].Analytical & Bioanalytical Chemistry,2014,406(7):1903-1908.

[7] Hou C,Dong J,Zhang G,et al.Colorimetric artificial tongue for protein identification[J].Biosensors & Bioelectronics,2011,26(10):3981-3986.

[8] 宋振國,侯長軍,羅小剛,等.基于比色傳感器陣列的農(nóng)殘檢測系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng),2015,34(9):97-99.

[9] Hou C,Li J,Huo D,et al.A portable embedded toxic gas detection device based on a cross-responsive sensor array[J].Sensors & Actuators B:Chemical,2012,161(1):244-250.

[10] 賈明艷,馮 亮.光化學(xué)比色傳感器陣列的研究進(jìn)展[J].分析化學(xué),2013,41(5):795-802.

[11] Capitán-Vallvey L F,López-Ruiz N,Martínez-Olmos A,et al.Recent developments in computer vision-based analytical chemistry:A tutorial review[J].Analytica Chimica Acta,2015,899:23-56.

[12] Oliveira H J S D,Jr P L D A,Sampaio B A,et al.A handheld smartphone-controlled spectrophotometer based on hue to wavelength conversion for molecular absorption and emission measurements[J].Sensors & Actuators:B Chemical,2016,238:1084-1091.

[13] Ueta I,Saito Y,Hosoe M,et al.Breath acetone analysis with miniaturized sample preparation device:In-needle preconcentration and subsequent determination by gas chromatography-mass spectroscopy[J].Journal of chromatography B:Analytical technologies in the biomedical and life sciences,2009,877(24):2551-2556.

[14] Turner C,Walton C,Hoashi S,et al.Breath acetone concentration decreases with blood glucose concentration in type I diabetes mellitus patients during hypoglycaemic clamps[J].Journal of Breath Research,2009,3(4):046004.

[15] 羅小剛,張承丹,侯長軍,等.基于卟啉傳感器陣列系統(tǒng)的肺癌標(biāo)志物識別算法[J].傳感器與微系統(tǒng),2017,36(4):134-137.