• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >应用近红外光谱鉴别耐甲氧西林金葡菌和甲氧西林敏感金葡菌的研究
【6h】

应用近红外光谱鉴别耐甲氧西林金葡菌和甲氧西林敏感金葡菌的研究

代理获取
页面导航
  • 目录
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

目录

声明

中英文缩略词表

摘要

第一章 前言

1．1 选题缘由

1．2 研究背景

1．3 立题意义

1．4 研究内容

1．5 实验路线

第二章 构建MRSA和MSSA鉴别模型的研究

2．1 实验材料

2．2 实验方法

2．3 实验结果

2．4 讨论

2．5 结论

第三章 近红外光谱鉴别模型对MRSA和MSSA临床株的应用与评价

3．1 实验材料

3．2 实验方法

3．3 实验结果

3．4 讨论

3．5 结论

全文总结

参考文献

文献综述 近红外光谱在临床检测中的应用

攻读硕士学位期间科研成果及科研经历

致谢

展开▼

摘要

目的：
　　耐甲氧西林金黄色葡萄球菌(MRSA)在烧伤科是最常见的一种致病菌，它因具有特殊的耐药机制，使得β-内酰胺类药物及其抑制剂复合物失效。此外，MRSA感染具有快速的传播性和强烈的致病性，并可导致脓毒血症、感染性休克等严重的并发症，给医院和社会带来沉重的负担。目前临床应用的主流MRSA检测方法是基于耐药表型的检测方法，但这些方法存在耗时长、操作繁琐等缺点，不利于减少抗生素滥用现象;而基于耐药基因的新型检测方法存在价格昂贵、对技术人员要求高等缺点，限制了该技术的推广。所以建立一种快速、准确、操作简单、经济的检测MRSA新方法，对于控制感染和制定合理治疗方案具有重大意义。
　　近红外光谱分析技术是目前发展最快，最引人注目的一种分析技术。它以量子力学为基础，反映有机化合物分子振动倍频吸收和合频吸收。因此可以通过分析近红外光谱来获得样品中含氢基团的特征信息。该技术分析样品时具有快速、方便、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，非常契合我们所希望的耐药菌检测新方法的要求。光谱数据分析时会引入一些多元化学计量学算法用于数据处理和建模。
　　因此，本课题探索应用近红外光谱(NIRS)分析技术结合支持向量机(SVM)算法鉴别耐甲氧西林金黄色葡萄球菌(MRSA)和甲氧西林敏感金葡菌(MSSA)，以期建立一种新的检测耐药菌的新方法。
　　方法：
　　1.将标准株MRSA(ATCC43300)和MSSA(ATCC25923)活化、分离、纯化，挑取单菌落接种于盛有5ml LB肉汤的试管中，在恒温振荡箱中扩增18h，制备种子液。取200ul种子液加入盛有5ml LB肉汤试管中扩增，在0-24h内，每隔两小时记录扩增菌液的光密度值。以时间为横坐标，光密度值为纵坐标，绘制细菌生长曲线并确定对数生长期。
　　2.将对数生长期的菌液稀释成不同浓度梯度，并测出其光密度值。将稀释后的菌液10倍倍比稀释7次，采用平板计数法计算出原有菌液浓度，建立实际浓度与光密度值之间关系曲线。
　　3.对研究对象进行科学分组，具体分为MRSA和MSSA两大组，每组24个细菌样本，共计48个。每个细菌样本均扩增至对数期和配成浓度为1×109cfu/ml的标准菌液。
　　4.连接光源、近红外光谱仪、光纤探头和计算机，打开光谱采集软件Spectrasuite，调试信号和设定参数，待光谱仪状态稳定后，采集菌液样本光谱信号，每个菌液样本按顺时针方向采集20次，一共获得960个光谱样本。
　　5.将Spectrasuite软件中光谱数据导出，以波长为X轴，反射率为Y轴，分别制作MRSA和MSSA的原始光谱图，使用鉴别指数D值定量描述光谱数据的重现性，并初步观察分析MRSA和MSSA的差异。
　　6.对两种细菌原始光谱曲线取平均值，并进行平滑去噪、基线校正、一阶求导和寻峰等预处理，力求使光谱间的差异变得更加显著。对吸收峰进行谱带归属分析和相关系数分析，进一步分析MRSA和MSSA的差异及其含义。
　　7.将原始光谱数据进行主成分分析，压缩变量后进行聚类分布投影，观察分类情况。再将压缩后的主成分得分向量作为支持向量机输入向量建立MRSA和MSSA的鉴别模型。以2/3样本作为训练集，余下1/3样本作为预测集，计算线性、多项式、径向基三种核函数下模型分类和预测的正确率。建模前需确定径向基核函数和多项式核函数的最佳核参数。
　　8.对临床分离菌株使用纸片扩散法进行耐药性鉴定，并以鉴定结果作为参照。按前期探索构建的MRSA和MSSA鉴别模型方法，使用近红外光谱法检测。
　　9.以纸片扩散法检测结果作为参照，对近红外光谱检测法准确性进行评价，同时参考文献报道从分类准确率、实验耗时、操作步骤和价格等方面与其他主流检测方法进行比较。
　　结果：
　　1.通过分析MRSA和MSSA的生长曲线，我们认为在8-14h，细菌光密度值增高较快，对应细菌的对数生长期。两种细菌的曲线变化趋势相似，选择对数期14h作为待测细菌扩增的时间。
　　2.根据对数期细菌光密度值和实际菌液浓度的关系，得到MSSA的浓度曲线公式为y=4.841x-0.053R2=0.9931;MRSA的浓度曲线公式为y=5.466x-0.049R2=0.9924。（单位为109cfu/ml），并设定1×109cfu/ml为实验菌株检测浓度。
　　3.MRSA和MSSA组内光谱曲线重现性考察，得到鉴别指数Dy1y2结果，MRSA的Dy1y2范围为0-2，均值为0;MSSA的Dy1y2范围为0-1，均值为0。实验重现性好，仪器分析结果稳定可靠。
　　4.光谱预处理后，发现在950.1nm、1140.92nm、1330.63nm、1383.89nm、1494.81nm、1748.28nm、1857.1nm、1927.59nm、2021.16nm处有吸收峰，MRSA和MSSA的波峰位置、波形、峰值未见明显差异。
　　5.对MRSA和MSSA近红外全波段原始数据进行主成分分析后，发现前三主成分占有光谱总变异性百分比分别为81.482％、6.247％、3.077％，累计贡献率超过90％。以这三个主成分PC1、PC2、PC3作为聚类依据，绘制主成分聚类三维分布图，可显示较好区分效果。
　　6.在支持向量机建模前，使用训练集验证最佳核参数，结果为多项式核参数为8，径向基核参数为1.1。训练集分类正确率结果为，线性核函数：96.02％±0.50％;多项式核函数：98.73％±0.31％;径向基核函数：99.72％±0.21％。测试集预测正确率结果为，线性核函数：95.69％±0.01％;多项式核函数：98.88％±0.00％;径向基核函数：99.47％±0.00％，初步反映了近红外光谱结合支持向量机算法所建立的MRSA标准株鉴别模型具有较高的分类准确率。
　　7.近红外光谱结合支持向量机算法建立的MRSA和MSSA鉴别模型检测临床分离金葡菌时，训练集样本分类正确率为98.03％，测试集样本分类正确率为98.5％，进一步说明近红外光谱分析技术在区分MRSA临床株上具有较高的准确率。
　　8.以纸片扩散法鉴定结果为参照，近红外法检测MRSA的一致百分率为98.5％，灵敏度为97.00％，特异度为100.00％。使用Pearsonx2检验，列联系数ψ=0.971，Kappa值0.970，说明近红外光谱法与纸片扩散法具有强烈的正相关且结果有极强的一致性。
　　9.对MRSA的检测方法的比较，在准确性上，近红外法98.5％，结果高于文献中报道的MIC肉汤稀释法(91％)、耐药蛋白检测法(97.6％);在检测耗时上，近红外法耗时14h，低于纸片扩散法(24-48h)、MIC肉汤稀释法(24-36h)、琼脂稀释法(24h);在操作步骤上，近红外法简单，技术人员只需简单培训便可独自完成;在价格上，近红外法每次只需耗费10-20元耗材，低于纸片扩散法（80元/次）和肉汤稀释法（250元/次），更远低于PCR法和PBP2a法。
　　结论：
　　利用近红外光谱结合支持向量机算法构建MRSA和MSSA鉴别模型是具有高度的准确性和可行性。在检测准确性、检测耗时、操作步骤、耗材价格等方面与纸片扩散法、最小抑菌浓度法、PCR法、耐药蛋白检测法相比时，近红外光谱检测法体现出全面而综合的优势。具备准确、快速、便捷、经济等优势的近红外检测法有望成为一种新的检测耐药菌方法广泛应用于基层医疗机构，并为控制MRSA感染和指导临床治疗敬献一份力量。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号