Un système de classification à RNA pour la détection de bactéries
Motivation Les substances fluorophores peuvent absorber la lumière et la ré-émettre à de plus grandes longueurs d’ondes La mesure de fluorescence est utile pour : Surveillance environnementale : polluants dans l’air, l’eau et les plantes Instrumentation biomédicale : capteurs implantables Détection de bactéries : Industrie agroalimentaire et bioterrorisme Un besoin existe pour des instruments miniatures, à faible consommation et bon marché, avec la capacité d’effectuer une analyse spectrale en temps-réel
FLUORESCENCE I II III FLUORESCEIN CHLOROPHYLL E.COLI (GFP/RFP) Ce qu’on peut mesurer
Photodétecteurs à leds : petits et pas chers, mais aussi performants que les gros ! Fluoromètre portatif = LED + photodetector + filtre Selection logic Light Source N LEDs Photodetector N LEDs Mux Amp Band pass Filter Voltmeter Spectral range: nm
Marquage de bactéries avec des marqueurs fluorescents Fluorochromes courants :
Expérience But: Détecter et identifier le spectre de fluorescence de : E-coli marqué avec pGFPuv, GFPmut and DsRed Distinguer leur spectre de celui de substances organiques flurophores : Fluresceïne Pyrène Anthracène Chlorophylle Étudier des concentrations de 50 M à M suivant des puissances de 10, ou 100 cell/ml à cell/ml suivant des puissances de 2.
Fluorescence mesurée
Principe d’identification de l’analyte Algorithme pas évident!
Données brutes Noise: 0.07, 0.15, 0.03,0.01,0.01, 0.01, 0.01 Blank: -0.68,2.87,.75,1.19, ,.11 Ces valeurs sont soustraites des lectures Nombre de cells/ml d’eau Photoréponse (nA) LED 1LED 2LED 3LED 4LED 5LED 6LED 7LED
Données brutes Nombre de cells/ml d’eau Photoréponse (nA) LED 1LED 2LED 3LED 4LED 5LED 6LED 7LED E E E E Noise response: 0.04, 0.14, 0.24,0.05; Blank (spontaneous response): -1.69,1.04,3.21,0.72 Ces valeurs sont soustraites des lectures
Prétraitement Problèmes Certaines diodes ne répondent pas Certaines lectures sont douteuses Les gammes de concentrations ne sont pas homogènes Les dimensions de mesure peuvent différer ! La gamme dynamique des diodes n’est pas constante Solutions Ignorer les résultats des diodes qui ne répondent pas ou dont les valeurs sont douteuses Normaliser les valeurs lues Utiliser uniquement les données correspondant à des concentrations communes
Prétraitement Nombre de cells/ml d’eau Photoréponse (nA) LED 1LED 2LED 3LED 4LED 5LED 6LED 7LED 8cat
Vous avez dit RNA ? Perceptron Multi Couche avec un neurone de sortie qui génère un résultat entre 0 et 6 (ou 0 et 1), correspondant à l’une des 7 substances étudiées (chlorophylle, pyrène, anthracène, fluoresceïne, E-coli avec GFP, GFP UV,RFP) ou mélange. Nombre de sorties:1 Nombre d’entrées: 8 (une par LED) Nombre de neurones cachés : 8 (essai et erreur)
SNNS Fenêtre principale : PMC, Rprop w/paramètres (0.01,50,4) Exemple de courbe d’erreur de reconnaissance pour les ensembles d’apprentissage (noir)et de test (rouge). 2/3 des données pour l’apprentissage, 1/3 pour tester.
Fichier de patrons d’entrée SNNS pattern definition file V1.0 generated at Mon Nov 30 11:53: No. of patterns : 249 No. of input units : 8 No. of output units :
Fichier de résultats SNNS result file V1.4-3D generated at Fri May 23 23:19: No. of patterns : 375 No. of input units : 8 No. of output units : 1 startpattern : 1 endpattern : 375 teaching output included # # # # # # # # # # #
Erreur de categorisation pour différents ensembles d’ apprentissage et de test
Résultats de la catégorisation
Mais en pratique ? X mm sapphire metallization X200 ~0.3 mm LED chip
Le but ultime Developper des puces LOC avec intelligence intégrée qui permettent de réaliser des capteur chimiques et biologiques, permettant de caractériser une grande variété de substances dans des environnements divers.