Un systme de classification RNA pour la dtection

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

Ce qu’on peut mesurer FLUORESCENCE E. COLI (GFP/RFP) FLUORESCEIN CHLOROPHYLL I II

Photodétecteurs à leds : petits et pas chers, mais aussi performants que les gros ! Fluoromètre portatif = LED + photodetector + filtre Light Source N LEDs Photodetect or N LEDs Spectral range: 370 -670 nm Mux Amp Selection logic Voltmet er Ban d pas s Filte r

Marquage de bactéries avec des marqueurs fluorescents Fluorochromes courants :

Expérience w But: n Détecter et identifier le spectre de fluorescence de : l n Distinguer leur spectre de celui de substances organiques flurophores : l l n E-coli marqué avec p. GFPuv, GFPmut and Ds. Red Fluresceïne Pyrène Anthracène Chlorophylle Étudier des concentrations de 50 M à 5. 10 -7 M suivant des puissances de 10, ou 100 cell/ml à 0. 0219 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 Blank: -0. 68, 2. 87, . 75, 1. 19, 6. 97. 1. 29, . 11 Ces valeurs sont soustraites des lectures Nombre de cells/ml LED 1 d’eau 14870000 2. 06 Photoréponse (n. A) LED 2 LED 3 LED 4 LED 5 LED 6 LED 7 LED 8 0. 54 0. 81 1. 13 0. 84 1. 19 0. 25 7437000 2. 38 0. 84 0. 78 1. 43 2. 16 1. 56 0. 22 3717500 2. 48 1. 43 0. 73 1. 29 4. 54 1. 53 0. 19 1858750 2. 54 2. 08 0. 7 1. 04 7. 6 1. 25 0. 16 929300 2. 43 2. 8 0. 69 0. 83 10. 51 1. 05 0. 15 464600 2. 38 3. 3 0. 69 0. 75 12. 55 0. 96 0. 15 232300 2. 21 3. 69 0. 73 13. 78 0. 92 0. 16 116100 2. 09 3. 99 0. 68 14. 95 0. 88 0. 12 58000 1. 89 4. 04 0. 71 0. 69 14. 93 0. 86 0. 12 29000 1. 61 4. 36 0. 76 0. 69 15. 13 0. 9 0. 14 14500 1. 38 4. 18 0. 74 0. 69 15. 25 0. 89 0. 14 7200 1. 24 4. 18 0. 73 0. 69 15. 32 0. 9 0. 14 3600 1. 26 4. 2 0. 74 0. 69 15. 34 0. 91 0. 14

Données brutes 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 Nombre de cells/ml LED 1 d’eau 1. 37 E 7 -- LED 2 Photoréponse (n. A) LED 3 LED 4 LED 5 LED 6 LED 7 LED 8 0. 43 1. 42 1. 25 6. 85 E 6 0. 64 0. 39 1. 22 1. 13 3. 425 E 6 0. 47 1. 49 0. 88 1. 712 E 6 0. 42 0. 72 1. 95 0. 81 856000 0. 4 0. 94 2. 36 0. 74 428000 0. 26 1. 14 2. 74 0. 7 214000 0. 52 1. 32 2. 96 0. 72 107000 0. 44 1. 41 3. 15 0. 72 53000 0. 27 1. 49 3. 28 0. 7 26000 0. 23 1. 56 3. 35 0. 71 13000 0. 13 1. 58 3. 5 0. 71 6000 0. 04 1. 58 3. 5 0. 7 3000 0. 07 1. 55 3. 34 0. 71 1600 0. 74 1. 74 3. 78 0. 92

Prétraitement w Problèmes n n n 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 w Solutions n n n 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 (n. A) LED 1 100 LED 2 LED 4 LED 5 LED 6 LED 7 LED 8 cat 0. 2449 0. 05699 0. 22917 0. 83333 0. 90909 1 4 50 0 0. 20513 0. 36735 0. 14508 0. 33333 0. 91667 0. 90909 0. 9 4 25 0 0. 19231 0. 59184 0. 49741 0. 41667 1 1 0. 9 4 12. 49635 0 0. 25641 0. 63265 1 0. 90909 0. 9 4 6. 24818 0 0. 35897 0. 65306 1 0. 58333 0. 91667 0. 81818 0. 5 4 3. 12409 0 0. 46154 0. 67347 0. 96373 1 4 1. 56204 0 0. 62821 0. 73469 0. 89637 0. 70833 0. 75 0. 72727 0. 7 4 0. 78102 0 0. 71795 0. 77551 0. 83938 0. 75 0. 63636 0. 8 4 0. 38686 0 0. 78205 0. 79592 0. 78238 0. 77083 0. 75 0. 81818 0. 8 4 0. 18978 0 0. 83333 0. 83673 0. 76684 0. 77083 0. 75 0. 81818 0. 8 4 0. 09489 0 0. 83333 0. 81633 0. 7513 0. 79167 0. 91667 0. 81818 0. 9 4 0. 0438 0 0. 83333 0. 81633 0. 74093 0. 79167 0. 83333 0. 81818 0. 9 4 0. 0219 0 0. 87179 0. 81633 0. 74093 0. 79167 0. 83333 0. 81818 0. 9 4 0. 01168 0 0. 17949 LED 3 1 0. 8601 1 0. 83938 0. 5 0. 6875 0. 91667 0. 90909 1 1 0. 81818

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, GFPUV, RFP) ou mélange. Nombre de sorties: Nombre d’entrées: Nombre de neurones cachés : 1 8 (une par LED) 8 (essai et erreur)

SNNS Fenêtre principale : • 8 -8 -1 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 V 1. 0 generated at Mon Nov 30 11: 53: 37 1999 No. of patterns : 249 No. of input units : 8 No. of output units : 1 0 0. 98246 0 0. 92982 0 0. . . 0 0. 98214 0 0 0. 92857. . . 0 0 0 0. . . 0 0 0. 98723 0. 69818 0. 97368 0. 98824 0. 91892 0 0. 92913 0. 65909 0. 55249 0. 94286 0. 87234 0. 86667 0 0. 96183 0 0. 89695 0 0. 9505 0 0. 94737 0 0. 99304 0 0 0 0 0. 97222 0. 94659 0. 96439 0. 94444 0. 96694 1 0. 9434 0. 95868 1 0. 96491 0. 94737 0. 97674 0 0. 97404 0. 97053 0 0 0 0 0 1 1 0 0 0. 96667 1 1 1 0. 96842 1 0. 96842 0. 98845 0. 99532 0. 99234 0. 99791 0 0 2 2 0 0 0 0 0. 31915 0. 99062 0. 78846 1 0. 74286 0. 68421 0. 82609 0. 21107 0. 69401 0. 05154 0 0. 66495 6 6 6

Fichier de résultats SNNS result file V 1. 4 -3 D generated at Fri May 23 23: 19: 36 2003 No. of patterns : 375 No. of input units : 8 No. of output units : 1 startpattern : 1 endpattern : 375 teaching output included #1. 1 0 0. 02248 #2. 1 0 0. 37074 #3. 1 0 0. 37074 #4. 1 0 0. 62104. . . #55. 1 1 1. 0482 #56. 1 1 1. 9009 #66. 1 2 2. 24086 #67. 1 2 2. 28263 #68. 1 2 2. 33307. . . #369. 1 7 7. 00047 #370. 1 7 6. 02177

Erreur de categorisation pour différents ensembles d’ apprentissage et de test

Résultats de la catégorisation

Mais en pratique ? 9. 5 mm LED chip ~0. 3 mm sapphire X 60 metallization X 200

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.