一种基于人工神经网络的神经递质混合物的定量测定方法技术

本发明专利技术公开了一种基于人工神经网络的神经递质混合物的定量测定方法。该方法先使用3,5

【技术实现步骤摘要】
一种基于人工神经网络的神经递质混合物的定量测定方法


[0001]本专利技术属于分析化学
，具有涉及一种基于人工神经网络的神经递质混合物的定量测定方法。

技术介绍

[0002]在心血管、内分泌系统、肾脏和中枢神经中，神经递质承担着帮助细胞传送脉冲的作用。在人体系统中，神经递质作为传递大脑信息的物质，其含量影响着人们的思考、运动、工作等行为。许多疾病的发病机理通常也与人体血液系统中的神经递质浓度降低有关，如心脏衰竭、神经肌肉失调、帕金森病、精神分裂症等；生命个体的情绪，如开心、兴奋等则是由于多巴胺浓度在体内的增高所引发的。多种疾病与神经递质含量异常有关，因此，能够快速准确的检测神经递质是具有重要现实意义的。
[0003]但是对神经递质混合物进行选择性检测一直以来都是难以攻克的难点，尤其是对多种儿茶酚类神经递质进行同时的定量检测。在早期的分析化学中，大家常用基于阵列的传感器，也称为“化学鼻/舌”，用于多分析物传感。这种方法利用了阵列的分类能力，将不同比例的神经递质区分开。但这种阵列的方法有很明显的劣势，首先，阵列方法只能做到分类而无法回归预测，也就是说如果想检测新的混合物样品，那这个样品的浓度比例必须存在于数据库中，这必然导致前期工作量的繁杂以及通用性的薄弱；其次，这种方法检测混合物样品需要有一个前提，也就是需要已知样品总浓度，但是在处理盲样时，做到这一点是不可能的，所以通过阵列方法处理这类免分离预测神经递质混合物浓度比例的问题，并不具备现实意义。
[0004]人工神经网络(Artificial Neural Network，即ANN)，是20世纪80年代以来人工智能领域机器学习方向兴起的热点研究内容。它从模拟人脑神经元网络对外界信息的处理，建立一种简单模型，按不同的连接方式组成不同的网络。ANN是一种运算模型，由大量的神经元相互联接构成。每个节点代表一种特定的输出函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。ANN的输出则依靠神经网络对过去数据的分析拟合，将自身权重最优化(这个过程叫训练)，然后用该训练好的神经网络对陌生的数据进行拟合，即可得到输出的数据。

技术实现思路

[0005]本专利技术的目的是提供一种基于人工神经网络的神经递质混合物的定量测定方法。
[0006]所述的基于人工神经网络检测分析神经递质的方法为：
[0007](1)配制浓度为200μM
‑
1mM、pH为8
‑
11的3,5
‑
二羟基苯甲酸溶液作为探针溶液，然后将相同体积、不同总浓度的神经递质溶液加入探针溶液中反应120
±
5s后测定荧光强度，在340
±
10nm范围内选择激发波长激发获得发射光谱的最高荧光强度和神经递质溶液的总浓度绘制标准曲线；将待测神经递质溶液加入探针溶液中，同样条件测得最高荧光强度，通过标准曲线计算得到待测神经递质溶液中神经递质的总浓度；
[0008](2)配制浓度为200μM
‑
1mM、pH为8
‑
11的基团改性的单苯环荧光分子探针溶液；配制不同浓度比例的多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素组成的神经递质溶液样本；将相同体积的各个神经递质溶液样本加入基团改性的单苯环荧光分子探针溶液中反应120
±
5s后进行荧光光谱测试，在250
‑
450nm范围选择激发波长激发获得发射光谱的最高荧光强度；将多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素的浓度比例和对应获得的发射光谱的最高荧光强度输入人工神经网络进行训练获得神经网络模型；
[0009](3)将待测神经递质溶液加入步骤(2)配制的基团改性的单苯环荧光分子探针溶液中，相同条件下获得发射光谱的最高荧光强度，然后输入神经网络模型运算得到待测神经递质溶液中各神经递质的浓度比例；
[0010](4)根据步骤(1)得到的待测神经递质溶液的总浓度和步骤(3)得到的各神经递质的浓度比例计算得到各神经递质的浓度。
[0011]所述神经递质为多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素中的一种或几种。
[0012]所述步骤(1)中神经递质溶液加入探针溶液后神经递质的浓度范围为100
‑
1000nM。
[0013]所述基团改性的单苯环荧光分子探针的结构式如下所示中的一种：
[0014][0015]其中X＝H、CH3、COOH、NO2、Cl、Br、I、或CH2CH3。
[0016]步骤(2)至少配制两种不同的基团改性的单苯环荧光分子探针溶液分别与神经递质溶液样本反应。
[0017]步骤(2)中，各个基团改性的单苯环荧光分子探针溶液对应选择的激发波长个数之和不小于7；每个基团改性的单苯环荧光分子探针溶液对应选择的激发波长，相邻两个激发波长的间隔不小于10nm。
[0018]步骤(2)至少配制400份不同浓度比例的神经递质溶液样本，其中多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素的含量分别在0
‑
100％范围内均匀取值。
[0019]所述神经递质溶液样本加入基团改性的单苯环荧光分子探针溶液后神经递质的浓度范围为100
‑
1000nM。
[0020]所述的神经递质溶液样本还包括多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素中的一种、两种、三种任意组成配制的不同浓度的溶液中的一种或几种。
[0021]所述人工神经网络运用Python中的TensorFlow框架创建，具体参数如下：层数为4层，隐藏层的第一层有20个神经元，第二层有12个神经元，隐藏层的第三层有5个神经元，隐藏层的激活函数为Relu函数。
[0022]本专利技术的基于人工神经网络的神经递质混合物的定量测定方法可以完美地对神经递质混合物各个成分的浓度进行检测，对比阵列传感器方法，人工神经网络没有对待测样本的诸多限制，可以在医疗化工领域有更广泛的应用。
附图说明
[0023]图1为实施例1中三类间苯二酚衍生物和四类儿茶酚类神经递质交叉反应的十二个荧光产物的荧光光谱。
[0024]图2为单苯环荧光探针3,5
‑
二羟基苯甲酸检测神经递质混合物溶液总浓度的原理及拟合曲线。
[0025]图3为三类间苯二酚衍生物和四类儿茶酚类神经递质在不同激发波长下反应所得到的人工神经网络的输入层选择依据。
[0026]图4为用于检测神经递质混合物的人工神经网络结构图。
[0027]图5为用于检测神经递质混合物的人工神经网络性能表征图。
具体实施方式
[0028]为了更清楚地说明本专利技术，列举如下实施例，但本专利技术的保护范围并不局限于以下实施例。
[0029]实施例1
[0030](一)间苯二酚衍生物与儿茶酚类神经递质的荧光性质研究：分别配制浓度为200μM的3,5
‑
二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工神经网络检测分析神经递质的方法，其特征在于，所述方法具体步骤为：(1)配制浓度为200μM
‑
1mM、pH为8
‑
11的3,5
‑
二羟基苯甲酸溶液作为探针溶液，然后将相同体积、不同总浓度的神经递质溶液加入探针溶液中反应120
±
5s后测定荧光强度，在340
±
10nm范围内选择激发波长激发获得发射光谱的最高荧光强度和神经递质溶液的总浓度绘制标准曲线；将待测神经递质溶液加入探针溶液中，同样条件测得最高荧光强度，通过标准曲线计算得到待测神经递质溶液中神经递质的总浓度；(2)配制浓度为200μM
‑
1mM、pH为8
‑
11的基团改性的单苯环荧光分子探针溶液；配制不同浓度比例的多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素组成的神经递质溶液样本；将相同体积的各个神经递质溶液样本加入基团改性的单苯环荧光分子探针溶液中反应120
±
5s后进行荧光光谱测试，在250
‑
450nm范围选择激发波长激发获得发射光谱的最高荧光强度；将多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素的浓度比例和对应获得的发射光谱的最高荧光强度输入人工神经网络进行训练获得神经网络模型；(3)将待测神经递质溶液加入步骤(2)配制的基团改性的单苯环荧光分子探针溶液中，相同条件下获得发射光谱的最高荧光强度，然后输入神经网络模型运算得到待测神经递质溶液中各神经递质的浓度比例；(4)根据步骤(1)得到的待测神经递质溶液的总浓度和步骤(3)得到的各神经递质的浓度比例计算得到各神经递质的浓度。2.根据权利要求1所述的基于人工神经网络检测分析神经递质的方法，其特征在于，所述神经递质为多巴胺、左旋多巴胺、左旋多巴甲酯和去甲肾上腺素中的一种或几种。3.根据权利要求1所述的基于人工神经网络检测分析神经递质的...

【专利技术属性】
技术研发人员：袁智勤，刘杨，吕超，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：