System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于dna氧化损伤检测领域,特别是涉及一种基于机器学习的紫外拉曼光谱dna氧化定性检测方法。
技术介绍
1、dna是携带生物遗传信息的重要分子,在生物体的生命活动中发挥着无可替代的重要作用。富含鸟嘌呤(g)的dna序列可以形成四链dna结构,该结构被称作g4。g4广泛存在于端粒和启动子区域等核基因组中,其与调控基因组的稳定性和表达密切相关。在生命活动中,dna时刻遭受着诸如氧化自由基、复制叉崩塌等的内源性刺激和类似电离辐射、烷化剂等的外源性刺激,不断受到遗传毒性因素的破坏,dna损伤无法避免。而dna自身具有自我修复机制,但如果机制出现问题,很有可能会出现细胞的衰老死亡。g4序列中单个g的氧化突变即可影响基因转录。氧化损伤被认为与多种神经退行性疾病有关,是组织损伤、癌症和衰老过程的关键因素。
2、dna氧化程度的检测在生理研究等方面发挥着独特的作用,而氧化检测离不开标志物。在标志物中,g4氧化产生的标志物显得尤为重要。在四种dna核碱基中,鸟嘌呤因其还原电位最低(e°=1.29v)而最容易被氧化,尤其是g4,研究表面g4甚至比分离的g更容易被氧化。在损伤、感染和发炎后,许多组织中都会产生活性氧(ros)。ros会引起dna氧化损伤,在该过程中脱氧鸟苷(dg)氧化成8-羟基-2′脱氧鸟嘌呤(8-oxo-dg)。当dna损伤剂诱导其形成后,通过碱基切除修复途径将其从dna中清除,随后被转运到唾液、尿液和血浆中。因此,8-oxo-dg是氧化dna损伤和氧化应激的常用标志物,可通过对8-oxo-dg的检测来分析dn
3、常用的8-oxo-dg检测方法包括检测试剂盒、lc-ms/ms(liquid chromatographytandem mass spectrometry)和免疫荧光法(if)。检测试剂盒法采用竞争法原理,可实现dna中8-oxo-dg含量的定量检测,但价格昂贵,无法重复使用。lc-ms/ms即液相色谱与串联质谱联用,是一种结合了液相色谱(lc)的物理分离能力和质谱(ms)的质谱分析能力的分析化学技术。该技术检测准确性高,但实验设备昂贵,对操作人员的专业素养要求高。免疫荧光(if)是一种用于检测以及识别细胞和组织中蛋白质和其他分子的亚细胞分布和迁移的强大检测技术。该技术需要进行细致实验,样品处理相对复杂,实验耗时长,对实验操作人员的要求较高。
技术实现思路
1、本专利技术的目的是提供一种基于机器学习的紫外拉曼光谱dna氧化定性检测方法,以解决上述现有技术存在的问题。
2、为实现上述目的,本专利技术提供了一种基于机器学习的紫外拉曼光谱dna氧化定性检测方法,包括:
3、采集初始检测样本,采用阳离子卟啉对初始检测样本进行处理后进行辐射照射,获得待检测样本,基于时间长度对所述待检测样本进行分组;
4、获取所述待检测样本的紫外拉曼光谱,对所述紫外拉曼光谱进行处理后获得特征光谱数据;
5、采用rbf核的支持向量机算法、lightgbm算法、极限提升决策树算法分别进行建模,基于所述特征光谱数据对模型进行训练;
6、采用精确度、平衡精度、马修相关系数对训练后的模型进行评估,选出最佳模型,采用最佳模型进行紫外拉曼光谱dna氧化定性检测。
7、可选的,对初始检测样本进行处理后分别进行不同时间长度的的辐射照射,以30min为标准将待检测样本划分为两组。
8、可选的,采用紫外拉曼光谱仪获取所述待检测样本的紫外拉曼光谱,采集时长为100s,紫外拉曼光谱仪的拉曼频率使用聚四氟乙烯的光谱进行校准。
9、可选的,获得特征光谱数据的过程包括:对所述待检测样本进行数据增强操作,对增强后的样本进行基线校正、平滑处理,通过主成分分析对处理后的紫外拉曼光谱进行降维,选取特征光谱数据。
10、可选的,采用迭代自适应加权惩罚最小二乘法进行基线校正,采用多项式最小二乘平滑滤波进行平滑处理。
11、可选的,数据增强处理包括:在紫外拉曼光谱中增加高斯噪声信号,通过控制噪声和标准差增加不同高斯噪声;每条紫外拉曼光谱随机向左或者向右移动设定波数,对移动后空缺的拉曼光谱数据进行固定值补充;紫外拉曼光谱乘以或除以一个随机数,再随机将两条光谱的数据相加减,扩充数据集。
12、可选的,对模型进行训练的过程包括:采用均匀随机抽样的方式将特征光谱数据划分训练集、验证集与测试集,输入至模型中通过网格搜索结合k折交叉验证搜索最优化超参数进行模型超参数寻优,获得最佳参数组合,完成模型训练。
13、本专利技术的技术效果为:
14、采用本专利技术的方法,可以实现对dna氧化损伤的快速准确检测,与目前现有技术相比,设备简单,仅需紫外拉曼光谱仪,无需昂贵设备;速度快,无需长时间的实验操作;成本低,维护成本和耗材成本较低。本专利技术准确率高,平衡精度到达了97%,马修相关系数为97%。本专利技术为拉曼光谱仪的应用提供快速有效的分析途径,体现了拉曼光谱光谱仪应用优势,为拉曼光谱仪的应用提供快速有效的方法。
15、本专利技术仅需紫外拉曼光谱仪和计算机,实验设备要求相对来说不高,无需昂贵实验设备,对实验操作人员的专业素养要求不高;不会产生污染物,维护成本较低,不会对环境产生污染;具有易用性、灵活性、高效性等特征,在物质拉曼光谱分析领域具有一定的实际应用价值;无需重复购置实验器材,耗材成本不高。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
3.根据权利要求1所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
4.根据权利要求1所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
5.根据权利要求4所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
6.根据权利要求4所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
7.根据权利要求1所述的基于机器学习的紫外拉曼光谱DNA氧化定性检测方法,其特征在于,
【技术特征摘要】
1.一种基于机器学习的紫外拉曼光谱dna氧化定性检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于机器学习的紫外拉曼光谱dna氧化定性检测方法,其特征在于,
3.根据权利要求1所述的基于机器学习的紫外拉曼光谱dna氧化定性检测方法,其特征在于,
4.根据权利要求1所述的基于机器学习的紫外拉...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。