Прикладная хемометрика

Наиболее значимые публикации (с аннотацией)
Химический состав биожидкостей (сыворотки, мочи) у пациентов с диагностированным онкологическим заболеванием и у здоровых людей может существенно различаться. В данном исследовании представлена разработка простой потенциометрической мультисенсорной системы, способной дифференцировать образцы мочи пациентов с раком простаты, раком почки и образцы контрольной группы (здоровые люди). Сенсоры реагируют на общий ионный состав образцов и предоставляют характерные "отпечатки" для последующей обработки. Было проанализировано 116 образцов мочи: 39 от пациентов с диагностированным раком простаты, 38 от пациентов с диагностированным раком почки и 39 из контрольной группы. Потенциометрические сигналы сенсоров использовались в качестве входных данных для различных методов машинного обучения: логистической регрессии (LR), метода k-ближайших соседей (kNN), классификатора XGBoost (XGBC), метода случайного леса (RF) и метода опорных векторов (SVM).
Классификатор SVM продемонстрировал наивысшую точность классификации - 77% при различении образцов мочи пациентов с раком почки и контрольной группы, и точность 79% при различении образцов пациентов с раком простаты и контрольной группы. Более того, потенциометрическая мультисенсорная система может быть использована для различения образцов мочи от пациентов с разными онкологическими заболеваниями, такими как рак почки и рак простаты, с точностью 87% при использовании метода классификации RF.
Учитывая неинвазивность предложенного подхода, данный метод после надлежащей валидации на внешних данных с увеличенным количеством образцов может стать перспективным инструментом для одновременного скрининга рака почки и рака простаты. Так, после того как образцы идентифицированы с помощью потенциометрической системы, они могут быть дополнительно проверены с использованием стандартных клинических диагностических протоколов для постановки точного диагноза.
Yuskina E., Mosoyan M., Jahatspanian I., Vasilev A., Makeev V., Gaponova A., Protoshchak V., Karpushchenko E., Sleptsov A., Kirsanov D. Approach to non-invasive screening of kidney and prostate cancer viapotentiometric multisensor urine analysis and machine learning // Microchemical Journal. 2025. Vol. 218. № 115589. https://doi.org/10.1016/j.microc.2025.115589.

При малоинвазивном хирургическом лечении мочекаменной болезни существует потребность в аналитическом методе, позволяющем определять химический состав мочевых камней в режиме реального времени, то есть интраоперационно. Хотя тщательный фазовый анализ может быть проведен после операции, предварительная информация о мочевом камне была бы полезна специалистам для выбора оптимальной стратегии лечения и назначения пациенту немедленных диетических рекомендаций или медикаментозного лечения.Спектроскопия ближней инфракрасной области (БИК-спектроскопия) является перспективным кандидатом на роль такого метода, способного обеспечить мгновенный результат без процедуры пробоподготовки. Кроме того, волоконно-оптические зонды, часто используемые для получения спектров в ближнем ИК-диапазоне, совместимы с хирургическим инструментарием, а хемометрические алгоритмы успешно справляются со сложностью БИК-спектров, состоящих из перекрывающихся сигналов.
Впервые нами была применена БИК-спектроскопия в режиме диффузного отражения для классификации трех основных типов мочевых камней: оксалатов, уратов и фосфатов. Для имитации реальных условий операции БИК-спектры регистрировались не только в условиях окружающей среды, но и в физиологическом растворе. Обученный и оптимизированный мультиномиальный классификатор (ErrorCorrectingOutputCodes) показал приемлемую точность и чувствительность для независимого валидационного набора данных. Даже с учетом сильного поглощения физиологическим раствором, расчетное среднее геометрическое значение составило 94%, 87% и 71% для оксалатов, уратов и фосфатов соответственно.
Первая апробация методики в режиме реального времени в ходе хирургической операции (перкутанной нефролитотомии) подтвердила совместимость предложенного подхода с хирургическими протоколами, а также продемонстрировала хорошую сходимость результатов с данными референтного метода - рентгенофазового анализа.
BoichenkoE., ParonnikovM., Reznichenko A., Korolev D., Protoshchak V., Kirsanov D. Classification of urinary stones using near-infrared spectroscopy and chemometrics: A promising method for intraoperative application // Analytica Chimica Acta. 2025. Vol. 1354. № 344007. https://doi.org/10.1016/j.aca.2025.344007.

Разработка потенциометрических химических сенсоров для определения сульфат-ионов является достаточно сложной задачей, что обусловлено значительной гидрофильностью данного аниона, а также его низким сродством к липофильным пластифицированным полимерным мембранам - одному из наиболее распространенных материалов для сенсорных мембран на сегодняшний день. В последние годы данная проблема освещалась в незначительном числе исследовательских работ. В настоящем исследовании сообщается об успешной разработке нескольких новых сульфат-ионофоров на основе химической модификации коммерчески доступного сульфат-ионофора I. Созданные сенсоры превосходят коммерческий аналог по чувствительности и селективности.
Мы обратили внимание на определенные проблемы, связанные с численной оценкой селективности в случае, когда основной и мешающий ионы имеют разные заряды. Ввиду противоречивых данных, получаемых при использовании стандартных методов оценки селективности, актуальным представляется переход к альтернативной методике – анализу визуализированных зависимостей отклика сенсора по основному иону в растворах мешающего иона.
Новые сульфат-сенсоры были применены для прямых потенциометрических измерений содержания сульфатов в пробах речной воды, что продемонстрировало практическую применимость разработанных сенсорных мембран.
IurgensonN., Vladimirova N., Polukeev V., Mikhelson K., Kirsanov D. Designing new sulfate ionophores for potentiometric membrane sensors: Selectivity assessment and practical application // Sensors and Actuators B: Chemical. 2025. Vol. 422. № 136663. https://doi.org/10.1016/j.snb.2024.136663.

В хемометрике спектр обычно представляется в виде числового вектора для последующей обработки. Такой же подход традиционно применялся и для обработки спектральных данных с помощью сверточных нейронных сетей (CNN), изначально разработанных, однако, для анализа изображений. Рассмотрение спектральных данных в качестве двумерного изображения, а не одномерного вектора, потенциально способно повысить точность регрессионных и классификационных моделей. Целью данной работы была проверка данного предположения.
В качестве первого casestudy мы выбрали один из наиболее сложных для интерпретации типов спектров – данные мессбауэровской спектроскопии. Мы исследовали возможность применения 2D-CNN нейросети для численного прогнозирования параметров мессбауэровских спектров, используя файлы изображений (.bmp) со спектрами. Вторым casestudy стала другаязадача - классификация биологических тканей по их спектрам ближнего инфракрасного диапазона.
В обоих случаях мы сравнили эффективность CNN для двух типов входных данных: спектров как изображений и как числовых векторов. Было установлено, что в случае мессбауэровских спектров использование 2D-CNN обеспечивает лучшее прогнозирование спектральных параметров, тогда как для спектров БИК биологических тканей традиционный метод PLS-DA оказался более эффективным для классификации по сравнению с подходом на основе CNN.
Deev V., Panchuk V., BoichenkoE., Kirsanov D. Spectrum is a picture: Feasibility study of two-dimensional convolutional neural networks in spectral processing // Microchemical Journal. 2024. Vol. 205. № 111329. https://doi.org/10.1016/j.microc.2024.111329.

Глубокие эвтектические растворители (ГЭР) становятся все более популярными материалами в различных областях химии. Совокупность свойств конкретного ГЭР определяет область его применимости для решения определенных задач. Целенаправленная настройка этих свойств под требования различных применений может быть трудоемкой, поскольку зачастую требует большого объема экспериментальной работы. Оптимизация свойств глубоких эвтектических растворителей для различных применений представляет собой нетривиальную задачу, зачастую предполагающую проведение масштабных экспериментальных исследований.
В данной работе мы предлагаем использование подхода количественного соотношения «структура-свойство» (QSPR) для моделирования свойств ГЭР. На примере системы холина хлорид – 6 карбоновых кислот была предпринята попытка построения регрессионных моделей, связывающих молекулярные дескрипторы карбоновых кислот со свойствами соответствующих растворителей. Были установлены статистически значимые корреляции между дескрипторами кислот и такими свойствами ГЭР, как плотность, вязкость и электропроводность. На основе анализа регрессионных коэффициентов была оценена влияние различных дескрипторов на эти свойства.
Учитывая ограниченный объем набора данных, была проведена строгая валидация регрессионных моделей с использованием двойной перекрестной проверки (doubleloopcross-validation).
Vladimirova N., Bochko T., Shishov A., Kirsanov D. Predicting the properties of deep eutectic solvents based on choline chloride and carboxylic acids and their mixtures with water using QSPR approach // Colloids and Surfaces A: Physicochemical and Engineering Aspects. 2024. Vol. 692. № 133961. https://doi.org/10.1016/j.colsurfa.2024.133961.

Хемометрическое моделирование является важной частью современной аналитической химии, позволяя проводить достоверный качественный и количественный анализ в многочисленных практических задачах. Помимо значительного упрощения и снижения стоимости аналитических процедур, достигаемых за счет применения хемометрики, использование этих методов оказывает существенное положительное влияние на экологичность анализа. Вместе с тем, количественная оценка непосредственного вклада хемометрических методов в повышение экологичности аналитических процедур представлена в ограниченном числе исследований.
В данной работе мы оцениваем этот вклад с использованием популярного интегрального показателя экологичности Eco-Scale. Комбинация хемометрических методов с недорогими спектроскопическими, электроаналитическими и другими методиками устраняет необходимость применения опасных и экологически неблагоприятных реагентов и процедур. На основе литературных данных было показано, что при решении конкретных аналитических задач показатель Eco-Scale может быть улучшен до 40 баллов за счет использования подходов на основе хемометрики.
SavelievM., PanchukV.,Kirsanov D. Math is greener than chemistry: Assessing green chemistry impact of chemometrics // TrAC Trends in Analytical Chemistry. 2024. Vol. 172. № 117556. https://doi.org/10.1016/j.trac.2024.117556.

Патенты

• Карцова Л. А., Объедкова Е.В., Бессонова Е.А., Кирсанов Д.О., Великанова Л.И. Способ диагностики патологий, связанных с эндокринными заболеваниями. Патент № RU2485512C2. Дата приоритета 20.06.2013.
• Легин А.В., Кирсанов Д.О., Аляпышев М.Ю., Бабаин В.А., Блинова Ю.Н. Состав мембраны ионоселективного электрода. Патент № RU2460066C1. Дата приоритета 27.08.2012.
• Легин А.В., Кирсанов Д.О., Легин Е.А., Бабаин В.А., Аляпышев М.Ю., Елисеев И.И., Борисова Н.Е., Решетова М.Д., Костин А.А. Состав мембраны ионоселективного электрода для определения ионов кадмия. Патент № RU2428683C1 Опубл. 10.09.2011.