国内最大級の歯科向け情報サイト WHITE CROSSへアクセスしようとしています。

あなたは歯科・医療関係者ですか?

WHITE CROSSは歯科・医療関係者に向けて、良質な歯科医療情報を提供することを目的とした会員制サイトです。
一般の方への情報提供を目的としたサイトではありませんのでご了承ください。

WHITE CROSSは歯科医師の3人に1人が利用する、国内最大級の歯科専門情報サイトです。歯科医師や歯科衛生士、歯科技工士をはじめ、医療関係者の皆様へ最新の歯科医療臨床・経営、ニュース、セミナー情報などを配信しています。

血清ラマン分光法に基づくC型肝炎のマルチクラス同定 | 日本語AI翻訳でPubMed論文検索

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。
Photodiagnosis Photodyn Ther.2020 Jun;30:101735. S1572-1000(20)30088-0. doi: 10.1016/j.pdpdt.2020.101735.Epub 2020-05-29.

血清ラマン分光法に基づくC型肝炎のマルチクラス同定

Multiclass identification of hepatitis C based on serum Raman spectroscopy.

  • Hong Cheng
  • Chunlei Xu
  • Di Zhang
  • Zhaoxia Zhang
  • Jie Liu
  • Xiaoyi Lv
PMID: 32171878 DOI: 10.1016/j.pdpdt.2020.101735.

抄録

C型肝炎は慢性感染症であり,早期発見・早期診断が治癒の鍵を握っている.本研究では、ヒト血清ラマン分光法とサポートベクターマシン(SVM)分類アルゴリズムを組み合わせて、複数のタイプのC型肝炎を同定した。HCVゲノムは高度に変異しており、その核酸配列の多様性は最大30%であり、ヌクレオチド配列の相同性によると、ウイルス株は7つの遺伝子型と90以上のサブタイプに分けられ、異なる遺伝子型のHCVの分布には地理的な違いがあり、世界ではHCV-1、2、3が広く流行しており、中国で主に流行しているHCV遺伝子型には1b、2a、3a、3b、6aが含まれていました。多民族が集まる地域としての中国・新疆ウルムチの特徴と、文献で報告されている新疆ウルムチにおけるHCV遺伝子型の分布特性とを組み合わせて、本論文ではHCV1、HCV2、HCV3aおよびHCV3bをグループとして選択した(Messina et al.、2015; Chen et al.、2017; Ohno et al.、1997)。健常者55人、C型肝炎ウイルスクラスター1(HCV1)患者55人、およびC型肝炎ウイルスクラスター2(HCV2)患者55人の血清ラマンスペクトルを収集した。3群の血清の正規化された平均ラマンスペクトル、群間の平均スペクトルの差をプロットして分析した。3種類の血清のラマンスペクトルにおける主な特徴的なピークの帰属、類似性、および相違点を記述した。正規化されたラマンスペクトルデータにSVM(サポートベクターマシン)アルゴリズムを組み合わせて、91.1%の精度で血清の3つのグループを同定した。さらに、C型肝炎ウイルス遺伝子型3a(HCV3a)患者17名、C型肝炎ウイルス遺伝子型3b(HCV3b)患者7名、およびC型肝炎ウイルスクラスター4(HCV4)患者6名からの血清ラマン分光データも収集した。血清検体数が少ないため、HCV3b患者血清とHCV4患者血清を1つのグループに分類し、HCV3a患者との鑑別を行った。HCV3a肝炎のモデルが検出された。上述の患者群と同様に、HCV3a患者およびHCV3b患者+HCV4患者の正規化された平均ラマンスペクトルをプロットし、2つのグループの平均スペクトルの差を分析した;これら2つのグループの血清ラマンスペクトルからの主な特徴的ピークの帰属、類似性および差を記述した。SVMアルゴリズムを正規化されたラマン分光データと組み合わせて、90%の同定精度で患者血清の2つのグループを同定した。この研究は、SVMアルゴリズムと組み合わせた血清ラマン分光法が、C型肝炎のマルチクラス同定に使用できることを示している。

Hepatitis C is a chronic infectious disease, and early detection and diagnosis are key to curing it. In this study, human serum Raman spectroscopy combined with a support vector machine (SVM) classification algorithm was used to identify multiple types of hepatitis C. The HCV genome is highly mutated and its nucleic acid sequence diversity is up to 30%, according to the homology of nucleotide sequences, the virus strains were divided into seven genotypes and more than 90 subtypes, there were geographical differences in the distribution of HCV of different genotypes, and hcv-1, 2 and 3 were widely prevalent in the world, the main prevalent HCV genotypes in China include 1b,2a,3a,3b and 6a. Combined with the characteristics of Urumqi, xinjiang, China as a multi-ethnic gathering area and the distribution characteristics of HCV genotypes in Urumqi, xinjiang reported in literature, HCV1, HCV2, HCV3a and HCV3b were selected as groups in this paper (Messina et al., 2015; Chen et al., 2017; Ohno et al., 1997). The serum Raman spectra of 55 healthy people, 55 hepatitis C virus cluster 1 (HCV1) patients, and 55 hepatitis C virus cluster 2 (HCV2) patients were collected. The normalized average Raman spectra of the three groups of serum, the differences in the average spectra between groups were plotted and analyzed. The attributions, similarities and differences in the main characteristic peaks in the three types of serum Raman spectra were described. The SVM (support vector machine) algorithm was combined with the normalized Raman spectral data to identify the three groups of serum with 91.1 % accuracy. Furthermore, serum Raman spectroscopy data from 17 hepatitis C virus genotype 3a (HCV3a) patients, 7 hepatitis C virus genotype 3b (HCV3b) patients, and 6 hepatitis C virus cluster 4 (HCV4) patients were also collected. Because of the small number of serum samples, the HCV3b and HCV4 patient sera were classified into one group to discriminate them from HCV3a patients. A model of HCV3a hepatitis was detected. As with the abovementioned groups of patients, the normalized mean Raman spectra of the HCV3a patients and HCV3b patients + HCV4 patients, the difference between the average spectra of the two groups were plotted and analyzed; the attributions, similarities and differences of the main characteristic peaks from these two groups of serum Raman spectra were described. The SVM algorithm was combined with the normalized Raman spectroscopy data to identify the two groups of patient sera with 90 % identification accuracy. This study shows that serum Raman spectroscopy combined with an SVM algorithm can be used for multiclass identification of hepatitis C.

Copyright © 2020 Elsevier B.V. All rights reserved.