PCA,PC-CVA和GCIB-SIMS数据的随机森林用于阐明抗生素耐药性研究中的细菌包膜差异
Alfred Fransson1,2, Kelly Dimovska Nilsson1, Alex Henderson3
1Department of Chemistry and Molecular Biology, University of Gothenburg, 405 30 Gothenburg, Sweden.
Analytical chemistry
|August 20, 2024
概括
使用GCIB-SIMS研究因抗生素耐药性和结合性塑引起的细菌膜变化揭示了微妙的差异. 这就是F-等离子体.
科学领域:
- 微生物学 微生物学
- 分析化学 分析化学
- 生物信息学是一种生物信息学.
背景情况:
- 抗生素耐药性通过细菌结合传播,这种过程受到细菌膜的影响.
- 了解由结合性质粒和抗生素耐药性引起的膜变化至关重要.
研究的目的:
- 研究结合性等离子体和抗生素耐药性对细菌膜组成的影响.
- 为GCIB-SIMS数据开发和应用先进的数据分析方法.
主要方法:
- 气体离子束-二次离子质谱 (GCIB-SIMS) 用于细菌膜分析.
- 先进的数据分析技术包括主要组件分析 (PCA),主要组件-规范变量分析 (PC-CVA) 和随机森林 (RF).
- 对带有F-等离子体和没有F-等离子体的大肠杆菌菌株进行比较分析.
主要成果:
- 优化缩放和PC-CVA改进了数据聚类和显著峰值的识别.
- 随机森林 (RF) 分析揭示了额外的兴趣峰值,需要更大的数据集.
- 结合PC-CVA和RF成功阐明了细菌菌株和生长条件之间的微妙差异.
- 在大肠杆菌中的F-等离子体存在与脂肪酸循环化减少相关.
结论:
- 先进的分析方法,特别是PC-CVA和RF,对于分析复杂的GCIB-SIMS数据是有效的.
- 这些方法可以揭示与等离子体和抗生素耐药性相关的细菌膜的细微分子变化.
- 这项研究确定了与大肠杆菌中的F-等离子体相关的脂肪酸代谢的特定变化.
