यहाँ, हम नैदानिक अध्ययन में मानव विषयों से confocal रमन स्पेक्ट्रम के संग्रह के लिए एक प्रोटोकॉल प्रस्तुत वर्णक्रमीय बाहरी हटाने और प्रमुख विशेषताओं के बाद निष्कर्षण के लिए chemometric दृष्टिकोण के साथ संयुक्त.
विवो कोनफोकल रमन स्पेक्ट्रोस्कोपिक विधि में इसका विकास मानव विषयों में गहराई संकल्प के साथ पानी, प्रोटीन, और लिपिड के प्रत्यक्ष माप को सक्षम बनाता है। यह जानकारी त्वचा से संबंधित रोगों और त्वचा देखभाल उत्पाद के प्रदर्शन की विशेषता के लिए बहुत महत्वपूर्ण है. इस प्रोटोकॉल confocal रमन स्पेक्ट्रम संग्रह और वर्णक्रमीय डेटासेट के बाद विश्लेषण chemometrics लाभ के लिए एक विधि दिखाता है. इस विधि का लक्ष्य डेटा संग्रह के लिए एक मानक प्रोटोकॉल स्थापित करना और डेटा विश्लेषण के लिए सामान्य मार्गदर्शन प्रदान करना है. नैदानिक अध्ययनों से बड़े डेटासेट संसाधित करते समय पूर्व प्रसंस्करण (जैसे, बाहरी स्पेक्ट्रम को हटाना) एक महत्वपूर्ण कदम है। एक उदाहरण के रूप में, हम बाहरी लोगों के प्रकार की पहचान करने और उन्हें निकालने के लिए विशिष्ट कार्यनीतियां विकसित करने के लिए डेटासेट के पूर्व ज्ञान के आधार पर मार्गदर्शन प्रदान करते हैं. एक प्रमुख घटक विश्लेषण किया जाता है, और लोडिंग स्पेक्ट्रा अंतिम बहुचर वक्र संकल्प (एमसीआर) विश्लेषण में इस्तेमाल घटकों की संख्या का चयन करने के लिए संदर्भ सामग्री से स्पेक्ट्रम के साथ तुलना कर रहे हैं. यह प्रकिया एक बड़े वर्णक्रमीय डेटासेट से सार्थक जानकारी निकालने में सफल होता है.
नैदानिक अध्ययनों में, विवो कॉन्फोकल रमन स्पेक्ट्रोस्कोपी में स्तर कॉर्नियम मोटाई और पानी की सामग्री का निर्धारण करने के लिए अपनी अनूठी क्षमता दिखाया गया है1,2,3,4, और के प्रवेश पर नज़र रखने सक्रिय सामग्री शीर्ष त्वचाके लिए लागू 5,6. एक noninvasive दृष्टिकोण के रूप में, confocal रमन स्पेक्ट्रोस्कोपी कंपन मोड के आधार पर आणविक संकेतों का पता लगाता है. इस प्रकार लेबलिंग की आवश्यकता नहीं है7. विवो कॉन्फोकल में रमन स्पेक्ट्रोस्कोपी तकनीक के confocal प्रकृति के आधार पर गहराई संकल्प के साथ रासायनिक जानकारी प्रदान करता है. यह गहराई से निर्भर जानकारी त्वचा देखभाल उत्पादोंकेप्रभाव का अध्ययन करने में बहुत उपयोगी है 4 ,8,उम्र बढ़ने9,10, मौसमी परिवर्तन3, साथ ही त्वचा बाधा समारोह रोगों , जैसे कि एटोपिक जिल्द की सूजन11,12. confocal रमन स्पेक्ट्रोस्कोपी (2,500-4,000 सेमी-1)के उच्च आवृत्ति क्षेत्र में जानकारी का एक बहुत कुछ है, जहां पानी 3,250-3,550 सेमी-1के बीच क्षेत्र में अलग चोटियों का उत्पादन करता है। हालांकि, प्रोटीन और लिपिड की रमन चोटियों, जो लगभग 2,800-3,000 सेमी-1के बीच केंद्रित हैं, एक दूसरे को ओवरलैप करते हैं क्योंकि सिग्नल मुख्य रूप से मेथिलीन (-सीएच2-) और मिथाइल (-सीएच3) समूहों 13 से उत्पादित होते हैं . व्यक्तिगत आणविक प्रजातियों के सापेक्ष मात्रा प्राप्त करते समय यह अति व्याप्त जानकारी एक तकनीकी चुनौती प्रस्तुत करती है। पीक फिटिंग14,15 और चयनात्मक शिखर स्थिति12,16 दृष्टिकोण इस चुनौती को हल करने के लिए इस्तेमाल किया गया है. हालांकि, इन एकल शिखर आधारित विधियों के लिए शुद्ध घटक जानकारी निकालना मुश्किल है क्योंकि एक ही घटक से कई रमन चोटियों एक साथ17बदल जाते हैं। हमारे हाल के प्रकाशन18में , एक एमसीआर दृष्टिकोण शुद्ध घटक जानकारी स्पष्ट करने का प्रस्ताव किया गया था. इस दृष्टिकोण का उपयोग करना, तीन घटकों (पानी, प्रोटीन, और लिपिड) vivo confocal रमन स्पेक्ट्रोस्कोपिक डेटासेट में एक बड़े से निकाले गए थे.
बड़े नैदानिक अध्ययन के निष्पादन vivo स्पेक्ट्रोस्कोपिक डेटा में इकट्ठा व्यक्तियों पर मांग की जा सकती है. कुछ मामलों में, वर्णक्रमीय अधिग्रहण एक दिन में कई घंटे के लिए ऑपरेटिंग उपकरण की आवश्यकता कर सकते हैं और अध्ययन सप्ताह या महीनों तक का विस्तार कर सकते हैं. इन शर्तों के तहत, स्पेक्ट्रोस्कोपिक डेटा की पहचान करने के लिए तकनीकी विशेषज्ञता की कमी है कि उपकरण ऑपरेटरों द्वारा उत्पन्न किया जा सकता है, बाहर, और स्पेक्ट्रोस्कोपिक कलाकृतियों के सभी स्रोतों के लिए सही. परिणामस्वरूप डेटा सेट की पहचान की और विश्लेषण से पहले डेटा से बाहर रखा जा करने की आवश्यकता है कि स्पेक्ट्रोस्कोपिक outliers का एक छोटा सा अंश हो सकता है. इस कागज में विस्तार से एक chemometric विश्लेषण प्रक्रिया दिखाता है “साफ” एक नैदानिक रमन डेटासेट एमसीआर के साथ डेटा का विश्लेषण करने से पहले. सफलतापूर्वक outliers को दूर करने के लिए, outliers के प्रकार और बाहरी स्पेक्ट्रम की पीढ़ी के लिए संभावित कारण की पहचान की जरूरत है. फिर, लक्षित बाहरी लोगों को हटाने के लिए एक विशिष्ट दृष्टिकोण विकसित किया जा सकता है। इसके लिए डेटासेट के पूर्व ज्ञान की आवश्यकता होती है, जिसमें डेटा उत्पादन प्रक्रिया और अध्ययन डिज़ाइन के बारे में विस्तृत जानकारी शामिल है. इस डेटासेट में, आउटलाइअर्स के बहुमत कम संकेत-से-शोर स्पेक्ट्रम होते हैं और मुख्य रूप से 1) त्वचा की सतह के ऊपर एकत्र स्पेक्ट्रम से उत्पन्न होते हैं (6,208 30,862 में से, और 2) फ्लोरोसेंट रूम लाइट से स्पेक्ट्रम के लिए मजबूत योगदान (30,862 में से 67)। स्पेक्ट्रा त्वचा की सतह के ऊपर एकत्र एक कमजोर रमन प्रतिक्रिया का उत्पादन, लेजर फोकल बिंदु त्वचा की सतह दृष्टिकोण के रूप में और त्वचा के नीचे साधन खिड़की में ज्यादातर है. फ्लोरोसेंट कमरे प्रकाश से एक मजबूत योगदान के साथ Spectra या तो साधन ऑपरेटर त्रुटि या विषय आंदोलन है, जो एक शर्त है जहाँ confocal रमन संग्रह खिड़की पूरी तरह से विषय के शरीर साइट द्वारा कवर नहीं है पैदा की वजह से उत्पन्न कर रहे हैं. हालांकि वर्णक्रमीय कलाकृतियों के इन प्रकार की पहचान की जा सकती है और डेटा अधिग्रहण के समय एक स्पेक्ट्रोस्कोपिक विशेषज्ञ द्वारा वर्णक्रमीय अधिग्रहण के दौरान remediated, इस अध्ययन में इस्तेमाल प्रशिक्षित साधन ऑपरेटरों सभी डेटा एकत्र करने के लिए निर्देश दिए गए थे जब तक एक भयावह विफलता देखी गई. आउटलियर्स की पहचान करने और उन्हें बाहर करने का कार्य डेटा विश्लेषण प्रोटोकॉल में शामिल किया गया है। प्रस्तुत प्रोटोकॉल इस चुनौती को हल करने के लिए विकसित की है. त्वचा की सतह के ऊपर कम संकेत करने वाली शोर स्पेक्ट्रम को संबोधित करने के लिए, त्वचा की सतह के ऊपर एकत्र स्पेक्ट्रम को हटाने की अनुमति देने के लिए पहले त्वचा की सतह के स्थान को निर्धारित करने की आवश्यकता है। त्वचा की सतह के स्थान को उस गहराई के रूप में परिभाषित किया गया है जहां रमन लेजर फोकल बिंदु त्वचा में आधा और त्वचा का आधा भाग है जैसा कि पूरक चित्र 1में सचित्र दिया गया है . कम संकेत करने वाली शोर स्पेक्ट्रम को हटाने के बाद, एक प्रमुख घटक विश्लेषण (पीसीए) फ्लोरोसेंट कमरे प्रकाश चोटियों का प्रभुत्व कारक निकालने के लिए लागू किया गया है। ये बाहरी लोग इसी कारक के स्कोर मूल्य के आधार पर हटा दिए जाते हैं।
इस प्रोटोकॉल कैसे छह मुख्य घटक MCR प्रक्रिया में निर्धारित किया जाता है के लिए विस्तृत जानकारी प्रदान करता है। यह मुख्य घटकों की एक अलग संख्या के साथ उत्पन्न मॉडल के लिए लोडिंग के बीच वर्णक्रमीय आकार तुलना के बाद एक पीसीए विश्लेषण के माध्यम से किया जाता है. संदर्भ सामग्री के डेटा संग्रह के साथ-साथ मानव विषयों के लिए प्रयोगात्मक प्रक्रिया को भी विस्तार से समझाया गया है।
डेटा संग्रह के दौरान, के रूप में प्रोटोकॉल के अनुभाग 2 और 3 में वर्णित है, प्रत्येक गहराई प्रोफ़ाइल में लाल हलकों में प्रकाश डाला सूक्ष्म छवियों से गहरा क्षेत्रों को खोजने के द्वारा साधन खिड़की औ…
The authors have nothing to disclose.
लेखकबहुत कॉर्पोरेट समारोह विश्लेषणात्मक और व्यक्तिगत सफाई देखभाल विभाग से वित्तीय सहायता स्वीकार करते हैं. हम विश्लेषणात्मक सहयोगी निर्देशकों सुश्री चमेली वांग और डॉ रॉब Gardner उनके मार्गदर्शन और समर्थन और सुश्री ली यांग डेटा संग्रह पर उसकी मदद के लिए के लिए हमारी कृतज्ञता व्यक्त करना चाहते हैं.
Bovine Serum Albumin | Sigma-Aldrich | ||
Cholesterol | Sigma-Aldrich | ||
Cholesterol 3-sulfate sodium | Sigma-Aldrich | ||
D-Erythro-Dihydrosphingosine | Sigma-Aldrich | ||
DI water | Purified with Milipore(18.2MΩ) | ||
Gen2-SCA skin analyzer | River Diagnostics, Rotterdam, The Netherlands | Gen2 | |
Matlab 2018b | Mathwork | 2018b | |
N-behenoyl-D-erythro-sphingosine | Avanti Polar Lipids, Inc. | ||
N-Lignoceroyl-D-erythro-sphinganine(ceramide) | Avanti Polar Lipids, Inc. | ||
Oleic Acid | Sigma-Aldrich | ||
Palmitic Acid | Sigma-Aldrich | ||
Palmitoleic Acid | Sigma-Aldrich | ||
PLS_Toolbox version 8.2 | Eigenvector Research Inc. | 8.2 | |
RiverICon | River Diagnostics, Rotterdam, The Netherlands | version 3.2 | |
Squalene | Sigma-Aldrich | ||
Stearic Acid | Sigma-Aldrich |