Investigadores de la Universidad Politécnica de Tomsk, junto con la Universidad de Química y Tecnología (Praga), llevaron a cabo una serie de experimentos que demostraron que las redes neuronales artificiales pueden identificar con precisión el daño del ADN causado por la radiación ultravioleta. En el futuro, este enfoque se puede utilizar en el diagnóstico médico moderno. Un artículo, dedicado a esos estudios, fue publicado en el Biosensores y bioelectrónica diario.

Según los autores, las formas en que los rayos UV pueden afectar la estructura del ADN, especialmente con irradiación a corto plazo, permanecen prácticamente sin estudiar. También se sabe que la radiación ultravioleta causa cáncer. Sin embargo, es casi imposible detectar cambios menores en la estructura del ADN.

"En el artículo 'Espectroscopía Raman mejorada en superficie sin etiquetas con técnica de red neuronal artificial para el reconocimiento de daños en el ADN fotoinducidos, 'ofrecemos una alternativa a las técnicas conocidas. Usamos muestras modelo como oligonucleótidos de varias secuencias. Algunos de ellos fueron irradiados con UV durante diferentes períodos de tiempo. Luego, utilizamos sistemas de sensores de alta sensibilidad desarrollados por el equipo de investigación basados ​​en rejillas de oro de plasmón-polaritón. Los oligonucleótidos se inmovilizaron en la superficie del sensor. Posteriormente se hibridaron con los oligonucleótidos irradiados. Luego, los cambios en la estructura del ADN se analizaron utilizando un espectrómetro Raman, "Pavel Postnikov, Profesor Asociado de la Escuela de Investigación de TPU de Química y Ciencias Biomédicas Aplicadas, dijo.

También notó que los espectros obtenidos se utilizaron para entrenar redes neuronales artificiales. El análisis y la interpretación de los espectros de la secuencia de oligonucleótidos es una tarea bastante compleja, especialmente si es a gran escala y se realiza con un alto nivel de procesamiento de estadísticas.

"El uso de redes neuronales nos permitió evitar el procesamiento numérico de una gran cantidad de espectros, y nos liberó de la optimización de los procedimientos de medición. Además, las redes neuronales revelan el daño y predicen eficazmente los cambios en la estructura del ADN causados ​​por la radiación ultravioleta. Es más, la red neuronal en combinación con la espectroscopia Raman mejorada en la superficie puede detectar cambios con alta precisión, donde fallan los métodos tradicionales ", explica Pavel Postnikov.

Los investigadores creen que las redes neuronales y la espectroscopia Raman se pueden utilizar con éxito para el diagnóstico médico en el futuro. Es más, esta técnica se puede mejorar aún más.

"El análisis de objetos biológicos por métodos de espectroscopía Raman sigue siendo un proceso extremadamente difícil, pero interesante y prometedor, asunto. A este respecto, El daño al ADN causado por la radiación ultravioleta fue un modelo extremadamente interesante para nosotros. Este concepto proporciona la detección de cambios menores en la estructura del ADN. Puede ampliarse y mejorarse, "Subraya Postnikov.

También especifica que los estudios están respaldados por una beca del Programa de Mejora de la Competitividad de TPU y realizados bajo la supervisión científica de la Prof. Marina Trusova, la Escuela de Investigación de Química y Ciencias Biomédicas Aplicadas.

La Escuela de Investigación de Química y Ciencias Biomédicas Aplicadas implementa más de diez proyectos diferentes sobre el desarrollo de materiales híbridos, combinando diferentes propiedades. Una de estas áreas es el desarrollo de sistemas de sensores de alta sensibilidad. Los sensores son una construcción multicapa:se basan en un delgado, Película de oro ondulada de 1x0,5 cm de tamaño, que se modifica con sales de diazonio, compuestos orgánicos especiales.

Debido a los desarrollos del equipo de investigación de TPU, el sensor puede detectar sustancias tóxicas, metales pesados, y algunas enfermedades y defectos en la estructura del ADN. Las ventajas de los sensores híbridos son la hipersensibilidad, la velocidad del análisis y la capacidad de analizar en el sitio de muestreo.