Математическая оценка результатов исследования экспрессии белков BCL-2 и CASPASE-3 при воздействии нанобиокомпозитов серебра на природной и синтетической матрицах

Использование многофакторного дискриминантного анализа позволяет определить наиболее информативные показатели, различающие морфофункциональное состояние нервной ткани в изучаемых группах, которое определялось по уровню экспрессии прои антиапоптотических белков caspase-3 и bcl-2. Исходные данные для проведения дискриминантного анализа были получены в результате двухэтапного эксперимента. Введение различных доз нанобиокомпозитов на матрице природного полимера арабиногалактана и синтетического полимера поли-1-винил-1,2,4-триазола осуществлялось перорально в течение 9 дней. Установлено, что наиболее отличающимся по дифференцирующим признакам, характеризующим процентное содержание клеток с экспрессией или без эспрессии того или иного белка, являлись группы, которым осуществлялось введение наночастиц серебра на матрице арабиногалактана в дозе 100 и 500 мкг/кг соответственно. Группы сравнения (контроль, «чистый» арабиногалактан без добавления наночастиц серебра и группа, получавшая коллоидное серебро) дискриминированы между собой не столь отчётливо, имея небольшое поле перекрытия, в то время как при воздействии наночастиц серебра на матрице поли-1-винил-1,2,4-триазола не выявлены выраженные отличия по дифференцирующим признакам. Группы не дискриминированы между собой и имели значительное поле перекрытия.

1. Гайкова О.Н. Морфологические проявления общепатологических процессов в нервной системе. – СПб.: Изд-во «ВЕСЬ», 2015. – 157 с.

2. Грищенко Л.А. Окислительно-восстановительные реакции арабиногалактана сионами серебра и формирование нанокомпозитов // Журнал общей химии. – 2006. – Т. 76, № 7. – С. 1159–1165.

3. Кочетов А.Г., Лянг О.В., Масенко В.П., Жиров И.В., Наконечников С.Н., Терещенко С.Н. Методы статистической обработки медицинских данных: Методические рекомендации для ординаторов и аспирантов медицинских учебных заведений, научных работников. – М.: РКНПК, 2012. – 42 с.

4. Прозорова Г.Ф., Коржова С.А., Конькова Т.В., Ермакова Т.Г., Поздняков А.С., Сапожников А.Н., Пройдакова О.А., Сухов Б.Г., Арсентьев К.Ю., Лихошвай Е.В., Трофимов Б.А. Синтез и свойства нанокомпозитов серебра и золота наматрице поли-1-винил-1,2,4-триазола // Журнал структурной химии. – 2010. – Т. 51. – С. 109–112.

5. Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. – М.: Медиа Сфера, 2002. – 312 с.

6. Рукавишников В.С., Соседова Л.М., Вокина В.А., Титов Е.А., Новиков М.А., Якимова Н.Л. Оценка нейротоксичности нанометаллов, инкапсулированных на матрице арабиногалактана // Медицина труда и промышленная экология. – 2017. – № 10. – С. 25–29.

7. Соседова Л.М., Новиков М.А., Титов Е.А. Особенности экспрессии апоптоз-регулирующих белков в нейронах белых крыс при воздействии наносеребра, инкапсулированного в полимерную матрицу // Токсикологический вестник. – 2016. – № 6. – С. 48–53.

8. Шварцман М.М. Применение дискриминантного анализа в диагностике онкозаболевания // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. – 2004. – № 2. – С. 35–37.

9. Hutchings JC, Kendall CA, Shepherd N, Barr H, Stone N. (2010). Evaluation of linear discriminant analysis for automated Raman histological mapping of esophageal high-grade dysplasia. J Biomed Optics, 15 (6), 066015. doi: 10.1117/1.3512244.

10. Makinde OS, Bodunwa OK. (2016). On linear and quadratic discriminant rules. FUTA Journal of Research in Sciences, 12 (2), 299-306.

11. Urrechaga E, Aguirre U, Izquierdo S. (2013). Multivariable discriminant analysis for the differential diagnosis of microcytic anemia. Anemia, 457834. doi 10.1155/2013/457834.