Расширенная визуализация и искусственный интеллект выявляют токсины, связанные с курением, в образцах плаценты
Ученые из Университета Райса и их коллеги из Медицинского колледжа Бейлора (BCM) продемонстрировали новый метод обнаружения присутствия опасных химических веществ из табачного дыма в плаценте человека с беспрецедентной скоростью и точностью.
Исследовательская группа использовала комбинацию методов визуализации на основе света и алгоритмов машинного обучения (МО) для идентификации и маркировки полициклических ароматических углеводородов (ПАУ) и их производных (ПАУ) — токсичных соединений, образующихся при неполном сгорании органических материалов. Воздействие этих химических веществ во время беременности может привести к негативным последствиям для здоровья, таким как преждевременные роды, низкий вес при рождении и проблемы развития.
«Наша работа решает важную проблему в области охраны здоровья матери и плода, улучшая нашу способность обнаруживать вредные соединения, такие как ПАУ и ПАУ, в образцах плаценты», — сказала Оара Нойманн, научный сотрудник Райсского университета, которая является первым автором исследования, опубликованного в Трудах Национальной академии наук .
«Результаты исследования показывают, что вибрационная спектроскопия с применением машинного обучения позволяет точно различать образцы плаценты курящих и некурящих».
Новый метод использовался для анализа плацент женщин, сообщивших о курении во время беременности, и женщин, сообщивших, что они не курят, и подтвердил, что ПАУ и ПАУ присутствовали только в образцах, взятых у курящих женщин.
Результаты исследования представляют собой важнейший инструмент для мониторинга окружающей среды и здоровья, позволяющий выявлять и маркировать вредные токсины, связанные с курением, а также с другими источниками, такими как лесные пожары, возгорания, объекты Superfund и другие среды с высоким уровнем загрязнения и загрязненные продукты.
«Измерение уровней химических веществ окружающей среды в плаценте может дать нам представление о воздействиях, которым подвергались и мама, и ребенок во время беременности», — сказала Мелисса Сутер, доцент кафедры акушерства и гинекологии в BCM. «Эта информация может помочь нам понять, как эти химические вещества могут влиять на беременность и развитие ребенка, и помочь ученым информировать общественное здравоохранение о мерах».
Исследование основывалось на методе поверхностно-усиленной спектроскопии, который использует специально разработанные наноматериалы для усиления взаимодействия определенных длин волн света с целевыми соединениями.
В данном случае исследователи использовали особые оптические свойства золотых нанооболочек, разработанных в исследовательской группе Nanoengineered Photonics and Plasmonics под руководством Наоми Халас, профессора университета и профессора электротехники и вычислительной техники имени Стэнли К. Мура в Университете Райса.
«Мы объединили два взаимодополняющих метода — поверхностно-усиленную рамановскую спектроскопию и поверхностно-усиленное инфракрасное поглощение — для получения высокодетализированных колебательных сигнатур молекул в образцах плаценты», — сказал Халас, который является автором-корреспондентом исследования.
Халас совместно с Питером Нордландером, заведующим кафедрой физики и астрономии Висса и профессором электротехники, вычислительной техники, материаловедения и наноинженерии в Университете Райса, внесли значительный вклад в плазмонику — исследование коллективных колебаний свободных электронов под воздействием света на поверхности металлических наночастиц.
Поверхностно-усиленная спектроскопия использует плазмонику, чтобы сделать возможным глубокое изучение молекулярных структур с очень высоким разрешением при следовых концентрациях, обнаруженных в биологических и экологических образцах.
Интеграция алгоритмов МО — извлечения характеристических пиков (CaPE) и сходства характеристических пиков (CaPSim) — выявила тонкие закономерности в данных, которые в противном случае остались бы незамеченными. CaPE идентифицировал ключевые химические сигнатуры из сложных наборов данных, в то время как CaPSim сопоставил эти сигналы с известными химическими сигнатурами ПАУ. Этот результат демонстрирует преобразующее влияние вычислительных инструментов на медицинские и здравоохранительные приложения.
Анкит Патель, доцент кафедры электротехники и вычислительной техники в Университете Райса и доцент кафедры нейронауки в Британской Колумбии, сказал, что МО помогает «отключить «шум» в данных».
«Это похоже на так называемый «эффект коктейльной вечеринки», — сказал Патель. — Представьте себе шумную и многолюдную комнату, где одновременно разговаривает множество людей. Мы можем сосредоточиться на определенном разговоре, только отключившись от остальных — таким же образом машинное обучение способно анализировать спектральные данные, связанные с ПАУ и ПАУ, гораздо эффективнее, чем люди».
Последующие эксперименты подтвердили выводы исследования, подтвердив, что новый метод представляет собой функциональную альтернативу традиционным, более трудоемким и длительным методам.
Помимо воздействия, связанного с курением, исследование может позволить контролировать воздействие токсинов окружающей среды после стихийных бедствий или промышленных аварий, предоставляя поставщикам медицинских услуг более быстрый и надежный способ оценки риска и потенциального улучшения результатов в отношении здоровья плода и матери.
«Этот новый метод обеспечивает беспрецедентный уровень детализации», — сказал Бхагаватула Мурти, председатель фонда доктора медицины Курта Рандерата и профессор педиатрии и неонатологии в BCM.
«Это исследование закладывает основу для расширения сверхчувствительной технологии обнаружения ПАУ и ПАУ в биологических жидкостях, таких как кровь и моча, а также для экологического мониторинга ПАУ, ПАУ и других опасных химических веществ в воздухе, воде и почве, тем самым помогая в оценке риска для человека».
Среди других соавторов Райса — выпускник докторантуры по информатике Илонг Цзюй, разработавший алгоритм машинного обучения, и Андрес Санчес-Альварадо, аспирант кафедры электротехники и вычислительной техники в исследовательской группе Halas, входивший в состав группы, проводившей эксперименты.