Identification of untargeted volatile organic biomarkers in exhaled breath from gas chromatography mass spectroscopy data

Autor: Arın, Aycan
Přispěvatelé: Pelit, Levent, Ege Üniversitesi, Fen Bilimleri Enstitüsü, Kimya Ana Bilim Dalı
Jazyk: turečtina
Rok vydání: 2021
Předmět:
Popis: Ekshale soluk havasında uçucu organik bileşiklerin (VOC'ler) izlenmesi, son yıllarda akciğer kanseri (LC) teşhisi için kullanılmıştır. Bu tez, LC teşhisi için ekshale soluk havasındaki uçucu organik bileşiklerinin parmak izinin çıkarıldığı yeni bir strateji tanımlamaktadır. Bu çalışmaya, 70 LC'li ve 96 sağlıklı kontrol dahil edilmiştir. Taze ekshale nefes örnekleri, VOC'lerin tespiti için dinamik koşullar altında laboratuvar yapımı katı fazla mikroekstraksiyon (SPME) fiberi ile örneklendi. Örnekleme işleminden sonra, fiber üzerinde adsorbe edilen VOC'ler, 13-94 m/z (kütle/yük) aralığında seçilmiş iyon izleme (SIM) modu kullanılarak gaz kromatografisi-kütle spektrometrisi (GC-MS) ile analiz edildi. Her hastanın VOC analizi sadece bir kez gerçekleştirildi. Her bir SIM kromatogramının ilgili m/z oranı için LC hastalarının sonuçları, 96 sağlıklı kontrolün sonuçlarıyla karşılaştırıldı. Her bir m/z değeri için elde edilen alan değerleri LC ile ilişkili olan VOC biyobelirteçlerinin belirlenmesi için kullanıldı. Her bir VOC'nin sağlıklı ve LC bireylerini etiketlemede bir biyobelirteç olarak performansı, makine öğrenme algoritmaları kullanılarak gerçekleştirildi. En iyi tahmin performansı LightGBM algoritması ile elde edilmiş olup, son modelin doğruluk, AUC, F Skor değerleri sırasıyla 0.818, 0.816 ve 0.817 olmuştur. Bu çalışmada, ekshale edilen nefesin VOC içeriğinin, LC'li hastalarda biyobelirteçlerin kombinasyonunu ayırt edebildiği gösterilmiştir. Altta yatan VOC'lerin kalitatif ve kantitatif analizine ihtiyaç duyulmadan model tanıma ile geliştirilen SPME-GC-MS metodu, LC olgularının teşhisini yüksek doğrulukla gerçekleştirilebilmiştir.
Monitoring of volatile organic compounds (VOCs) in the exhaled breath has been used for the diagnosis of lung cancer (LC) in recent years. This thesis, describes a new strategy for the fingerprinting of exhaled breath's volatile organic compounds for the diagnosis of LC. 70 patients with LC and 96 healthy controls were incorparated into this study. Their fresh exhaled breath samples were sampled by lab-made solid-phase microextraction (SPME) fiber under dynamic conditions for the VOCs detection. After the sampling process, adsorbed VOCs on fiber were analysed by gas chromatography-mass spectrometry (GC-MS) by using selected ion monitoring (SIM) mode between 13-94 m/z. The VOC analysis of each patient was performed only one time. The results of LC patients for the related m/z (mass/charge) ratio of each SIM chromatogram were compared with those of 96 healthy controls. The area values obtained for each m/z were used to identify VOC biomarkers for the diagnosis of LC. The performance of each VOC as a biomarker in labeling healthy and LC individuals were performed using machine learning algorithms. The best prediction performance was obtained with the LightGBM algorithm again and the accuracy, AUC, F Score values of the latest model were 0.818, 0.816 and 0.817, respectively. In this study, it was shown that the VOC contents of exhaled breath can discriminate between the combination of biomarkers in patients with LC. By pattern recognition without the need for qualitative and quantitative analysis of the underlying VOCs, developed SPME-GC-MS method can be used for the diagnosis of LC patients with the high accuracy.
Databáze: OpenAIRE
Externí odkaz: