通过使用神经网络的核磁共振光谱学进行快速和自动化脂质分析
Hayden Johnson1, Melissa Puppa2, Marie van der Merwe2
1Magnetic Resonance Imaging and Spectroscopy Lab, Department of Biomedical Engineering, The University of Memphis, Memphis, Tennessee, USA.
NMR in biomedicine
|August 3, 2023
概括
本研究介绍了一种神经网络方法,用于从核磁共振 (NMR) 数据中快速,自动化地量化脂质. 该方法显著加快了代谢学分析的速度,为传统方法提供了可行的替代方案.
科学领域:
- 代谢学 代谢学 代谢学
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 核磁共振 (NMR) 光谱对于定量代谢学至关重要.
- 目前的NMR代谢物量化速度缓慢,劳动密集,需要专家知识.
- 需要自动化和快速量化方法来推进代谢学研究.
研究的目的:
- 开发和验证一种神经网络方法,用于自动识别和从NMR数据中量化脂质.
- 为了提高基于NMR的代谢学的速度和效率.
- 为了证明这种方法对其他定量光谱分析的适应性.
主要方法:
- 多层感知器 (MLP) 神经网络的设计采用NMR光谱作为输入,脂质度作为输出.
- 产生了广泛的合成数据集 (每组55000个光谱),结合了现实的实验变化和干扰.
- MLP在合成数据上接受了培训,并对合成和实验复杂脂质混合物进行了验证.
主要成果:
- 在实验混合物中,MLP衍生的脂质度与基准真实值有很高的相关性.
- 神经网络方法证明了对模拟的实验修改和干扰的稳定性.
- 使用MLP对老鼠肝部提取物的脂质分析,产生了与传统NMR量化方法相比较的结果.
结论:
- 神经网络方法为快速,自动化的NMR脂质分析提供了可行和有效的解决方案.
- 这种方法显著提高了定量代谢学的速度和自动化.
- 开发的MLP框架可以适应研究和工业中的各种定量,有针对性的光谱应用.
