Разработка комплексного подхода, основанного на методах имитационного моделирования и интеллектуального анализа данных, для исследования систем прикладной флуоресцентной спектроскопии

  • Николай Николаевич Яцков Белорусский государственный университетБелорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Владимир Владимирович Апанасович Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

Аннотация

Для исследования биомолекулярных соединений в системах обеспечения прикладной флуоресцентной спектроскопии предлагается применять комплексный подход, основанный на методах имитационного моделирования и интеллектуального анализа данных и включающий имитационные модели физических процессов, методы и алгоритмы интеллектуального анализа данных, программные средства автоматизации исследования молекулярных и клеточных систем. Идея комплексного подхода состоит в использовании имитационного моделирования биофизических процессов, протекающих в объекте исследования, отборе наиболее информативных экспериментальных данных, определении характеристик объекта с применением алгоритмов интеллектуального анализа данных. Эффективность алгоритмов разработанного подхода проверена в ходе анализа смоделированных и экспериментальных данных для систем флуоресцентной спектроскопии. В качестве практической реализации предложенного подхода создана вычислительная платформа FluorSimStudio для обработки измерений флуоресценции с временным разрешением. Цифровая платформа представляет собой открытую систему и позволяет добавлять сложные модели анализа с учетом создания новых алгоритмов моделирования и обработки данных. Применение комплексного подхода повышает эффективность исследования биофизических систем при анализе больших данных.

Биографии авторов

Николай Николаевич Яцков, Белорусский государственный университетБелорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат физико-математических наук, доцент; заведующий кафедрой системного анализа и компьютерного моделирования факультета радиофизики и компьютерных технологий

Владимир Владимирович Апанасович, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

доктор физико-математических наук, профессор; профессор кафедры системного анализа и компьютерного моделирования факультета радиофизики и компьютерных технологий

Литература

  1. Lakowicz JR. Principles of fluorescence spectroscopy. 3rd edition. New York: Springer; 2006. XXVI, 954 p. DOI: 10.1007/978-0-387-46312-4.
  2. Verveer PJ, editor. Advanced fluorescence microscopy: methods and protocols. New York: Humana Press; 2015. XI, 294 p. (Methods in molecular biology; volume 1251). DOI: 10.1007/978-1-4939-2080-8.
  3. Demchenko AP. Introduction to fluorescence sensing. Volume 1, Materials and devices. 3rd edition. Cham: Springer; 2020. XXII, 657 p. DOI: 10.1007/978-3-030-60155-3.
  4. Weinacht TC, Pearson BJ. Time-resolved spectroscopy: an experimental perspective. Boca Raton: CRC Press; 2019. XII, 358 p. (Textbook series in physical sciences). DOI: 10.1201/9780429440823.
  5. Buckup T, Léonard J, editors. Multidimensional time-resolved spectroscopy. Cham: Springer; 2019. IX, 320 p. (Topics in current chemistry collections). DOI: 10.1007/978-3-030-02478-9.
  6. Gryczynski Z, Gryczynski I. Practical fluorescence spectroscopy. Boca Raton: CRC Press; 2020. XX, 772 p. DOI: 10.1201/9781315374758.
  7. Cox G, editor. Fundamentals of fluorescence imaging. Singapore: Jenny Stanford Publishing; 2019. XVIII, 458 p. DOI: 10.1201/9781351129404.
  8. König K, editor. Multiphoton microscopy and fluorescence lifetime imaging: applications in biology and medicine. Berlin: Walter de Gruyter; 2018. XXX, 450 p. DOI: 10.1515/9783110429985.
  9. Datta R, Heaster TM, Sharick JT, Gillette AA, Skala MC. Fluorescence lifetime imaging microscopy: fundamentals and advances in instrumentation, analysis, and applications. Journal of Biomedical Optics. 2020;25(7):071203. DOI: 10.1117/1.JBO.25.7.071203.
  10. Datta R, Gillette A, Stefely M, Skala MC. Recent innovations in fluorescence lifetime imaging microscopy for biology and medicine. Journal of Biomedical Optics. 2021;26(7):070603. DOI: 10.1117/1.JBO.26.7.070603.
  11. Xiao D, Zang Z, Xie W, Sapermsap N, Chen Y, Li DDU. Spatial resolution improved fluorescence lifetime imaging via deep learning. Optics Express. 2022;30(7):11479–11494. DOI: 10.1364/OE.451215.
  12. Wang Q, Li Y, Xiao D, Zang Z, Jiao Z, Chen Y, et al. Simple and robust deep learning approach for fast fluorescence lifetime imaging. Sensors. 2022;22(19):7293. DOI: 10.3390/s22197293.
  13. Ji M, Zhong J, Xue R, Su W, Kong Y, Fei Y, et al. Early detection of cervical cancer by fluorescence lifetime imaging microscopy combined with unsupervised machine learning. International Journal of Molecular Sciences. 2022;23(19):11476. DOI: 10.3390/ijms231911476.
  14. Place BC, Troublefield CA, Murphy RD, Sinai AP, Patwardhan AR. Machine learning based classification of mitochondrial morphologies from fluorescence microscopy images of Toxoplasma gondii cysts. PLOS One. 2023;18(2):e0280746. DOI: 10.1371/journal.pone.0280746.
  15. Yatskou MM. Computer simulation of energy relaxation and transport in organized porphyrin systems [dissertation on the Internet]. Wageningen: Ponsen & Looijen Printing Establishment; 2001 [cited 2023 April 4]. 176 p. Available from: https://edepot.wur.nl/193545.
  16. Yatskou MM, Skakun VV, Apanasovich VV. Method for processing fluorescence decay kinetic curves using data mining algorithms. Journal of Applied Spectroscopy. 2020;87(2):333–344. DOI: 10.1007/s10812-020-01004-3.
  17. Yatskou MM, Apanasovich VV. Simulation modelling and machine learning platform for processing fluorescence spectroscopy data. In: Tuzikov AV, Belotserkovsky AM, Lukashevich MM, editors. Pattern recognition and information processing. Revised selected papers of the 15th International conference; 2021 September 21–24; Minsk, Belarus. Cham: Springer; 2022. p. 178–190 (Communications in computer and information science; volume 1562). DOI: 10.1007/978-3-030-98883-8_13.
  18. Murphy KP. Probabilistic machine learning: an introduction [Internet]. Cambridge: MIT Press; 2022 [cited 2022 July 7]. 864 p. Available from: https://mitpress.mit.edu/9780262369305/probabilistic-machine-learning.
  19. Lisitsa Y, Yatskou M, Skakun V, Apanasovich V. Classification methods for the analysis of segmented objects on fluorescent images of cancer cells. Vestnik of Polotsk State University. Part C, Fundamental Sciences [Internet]. 2020 [cited 2023 November 1];4:15–22. Available from: https://journals.psu.by/fundamental/article/view/440. Russian.
  20. Apanasovich VV, Novikov EG, Yatskov NN, Koehorst RBM, Schaafsma TJ, van Hoek A. Study of the Zn-porphyrin structure by fluorescence spectroscopy methods. Journal of Applied Spectroscopy. 1999;66(4):613–616. DOI: 10.1007/BF02675396.
  21. Meyer M, Yatskou MM, Pfenninger M, Huber S, Calzaferri G, Digris A, et al. Excitation energy migration in a photonic dyezeolite antenna: computational techniques. Journal of Computational Methods in Science and Engineering. 2003;3(3):395–402. DOI: 10.3233/JCM-2003-3303.
  22. Dimov IT. Monte Carlo methods for applied scientists. Singapore: World Scientific Publishing; 2008. XV, 291 p. DOI: 10.1142/2813.
  23. Rubinstein RY, Kroese DP. Simulation and the Monte Carlo method. 3rd edition. Hoboken: John Wiley & Sons; 2017. XVII, 414 p. (Wiley series in probability and statistics). DOI: 10.1002/9781118631980.
  24. Binder K, Heermann DW. Monte Carlo simulation in statistical physics: an introduction. 6th edition. Cham: Springer; 2019. XVII, 258 p. (Graduate texts in physics). DOI: 10.1007/978-3-030-10758-1.
  25. Halavatyi AА, Nazarov PV, Al Tanoury Z, Apanasovich VV, Yatskou MM, Friederich E. A mathematical model of actin filament turnover for fitting FRAP data. European Biophysics Journal. 2010;39(4):669–677. DOI: 10.1007/s00249-009-0558-2.
  26. Apanasovich VV, Novikov EG, Yatskov NN. Data analysis in time-resolved fluorescence spectroscopy using computer simulation. In: Thompson RB, editor. Advances in fluorescence sensing technology III. Proceedings of BIOS’97, part of Photonics West; 1997 February 8–14; San Jose, USA. Bellingham: SPIE; 1997. p. 515–522 (Proceedings of SPIE; volume 2980). DOI: 10.1117/12.273558.
  27. Apanasovich VV, Novikov EG, Yatskov NN. Analysis of the decay kinetics of fluorescence of complex molecular systems using the Monte Carlo method. Journal of Applied Spectroscopy. 2000;67(5):842–851. DOI: 10.1023/A:1004111716211.
  28. Durán JM. Computer simulations in science and engineering: concepts, practices, perspectives. Cham: Springer; 2018. XXI, 209 p. (The frontiers collection). DOI: 10.1007/978-3-319-90882-3.
  29. Zeigler BP, Muzy A, Kofman E. Theory of modeling and simulation: discrete event and iterative system computational foundations. 3rd edition. [S. l.]: Academic Press; 2018. XXIV, 667 p. DOI: 10.1016/C2016-0-03987-6.
  30. Tang J, Leu G, Abbass HA. Simulation and computational red teaming for problem solving. Hoboken: John Wiley & Sons; 2020. XXVII, 464 p. (IEEE Press series on computational intelligence). DOI: 10.1002/9781119527183.
  31. Kohavi R. A study of cross-validation and bootstrap for accuracy estimation and model selection. In: IJCAI’95. Proceedings of the 14th International joint conference on artificial intelligence; 1995 August 20–25; Montreal, Canada. Volume 2. San Francisco: Morgan Kaufmann Publishers; 1995. p. 1137–1143.
  32. Liu L, Özsu MT, editors. Encyclopedia of database systems. New York: Springer; 2009. CCCXLV, 4355 p. DOI: 10.1007/978-0-387-39940-9.
  33. Yatskou MM, Donker H, Koehorst RBM, van Hoek A, Schaafsma TJ. A study of energy transfer processes in zinc-porphyrin films using Monte Carlo simulation of fluorescence decay. Chemical Physics Letters. 2001;345(1–2):141–150. DOI: 10.1016/S0009-2614(01)00867-3.
  34. Yatskou MM, Donker H, Novikov EG, Koehorst RBM, van Hoek A, Apanasovich VV, et al. Nonisotropic excitation energy transport in organized molecular systems: Monte Carlo simulation-based analysis of fluorescence and fluorescence anisotropy decay. The Journal of Physical Chemistry A. 2001;105(41):9498–9508. DOI: 10.1021/jp0044227.
  35. Giganti A, Friederich E. The actin cytoskeleton as a therapeutic target: state of the art and future directions. In: Meijer L, Jézéquel A, Roberge M, editors. Cell cycle regulators as therapeutic targets. Roscoff: Life in Progress Editions; 2003. p. 511–525 (Progress in cell cycle research; volume 5). PMID: 14593746.
  36. Pollard TD. Actin and actin-binding proteins. Cold Spring Harbor Perspectives in Biology. 2016;8(8):a018226. DOI: 10.1101/cshperspect.a018226.
  37. Kitamura A, Kinjo M. State-of-the-art fluorescence fluctuation-based spectroscopic techniques for the study of protein aggregation. International Journal of Molecular Sciences. 2018;19(4):964. DOI: 10.3390/ijms19040964.
  38. Halavatyi AA, Nazarov PV, Medves S, van Troys M, Ampe C, Yatskou M, et al. An integrative simulation model linking major biochemical reactions of actin-polymerization to structural properties of actin filaments. Biophysical Chemistry. 2009;140(1–3):24–34. DOI: 10.1016/j.bpc.2008.11.006.
  39. Al Tanoury Z, Schaffner-Reckinger E, Halavatyi A, Hoffmann C, Moes M, Hadzic E, et al. Quantitative kinetic study of the actin-bundling protein L-plastin and of its impact on actin turn-over. PLOS One. 2010;5(2):e9210. DOI: 10.1371/journal.pone.0009210.
  40. Lisitsa EV, Yatskou MM, Apanasovich VV, Apanasovich TV, Shytsik MM. Simulation model for three-channel luminescent images of cancer cell populations. Journal of Applied Spectroscopy. 2015;81(6):996–1003. DOI: 10.1007/s10812-015-0041-z.
  41. Lisitsa YV, Yatskou MM, Apanasovich VV, Apanasovich TV. Algorithm for automatic segmentation of nuclear boundaries in cancer cells in three-channel luminescent images. Journal of Applied Spectroscopy. 2015;82(4):634–643. DOI: 10.1007/s10812-015-0156-2.
  42. Yatskou MM, Apanasovich VV. Computational platform FluorSimStudio for processing kinetic curves of fluorescence decay using simulation modeling and data mining algorithms. Journal of Applied Spectroscopy. 2021;88(3):571–579. DOI: 10.1007/s10812-021-01211-6.
  43. Yatskov NN, Apanasovich VV, Koehorst RBM, van Hoek A, Schaafsma TJ. Electronic spectra and fluorescence polarization kinetics of thin Zn-porphyrin films. Journal of Applied Spectroscopy. 2003;70(3):372–377. DOI: 10.1023/A:1025177320845.
  44. Yatskou MM, Meyer M, Huber S, Pfenniger M, Calzaferri G. Electronic excitation energy migration in a photonic dye-zeolite antenna. ChemPhysChem. 2003;4(6):567–587. DOI: 10.1002/cphc.200300567.
  45. Yatskou MM, Skakun VV, Nederveen-Schippers L, Kortholt A, Apanasovich VV. Complex analysis of fluorescence intensity fluctuations of molecular compounds. Journal of Applied Spectroscopy. 2020;87(4):685–692. DOI: 10.1007/s10812-020-01055-6.
  46. Skakun VV, Yatskou MM, Nederveen-Schippers L, Kortholt A, Apanasovich VV. Component analysis of photon counting histograms in fluorescence fluctuation spectroscopy experiments. Journal of Applied Spectroscopy. 2022;89(5):930–939. DOI: 10.1007/s10812-022-01450-1.
Опубликован
2024-01-31
Ключевые слова: флуоресцентная спектроскопия, обработка данных, имитационное моделирование, интеллектуальный анализ данных, вычислительная платформа
Как цитировать
Яцков, Н. Н., & Апанасович, В. В. (2024). Разработка комплексного подхода, основанного на методах имитационного моделирования и интеллектуального анализа данных, для исследования систем прикладной флуоресцентной спектроскопии. Журнал Белорусского государственного университета. Физика, 1, 4-15. Доступно по https://journals.bsu.by/index.php/physics/article/view/6009
Выпуск
№ 1 (2024): Журнал Белорусского государственного университета. Физика
Раздел
Оптика и спектроскопия

Copyright (c) 2024 Журнал Белорусского государственного университета. Физика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).