Интерпретация результатов количественного генетического анализа на основе аппроксимации кинетической кривой полимеразной цепной реакции в реальном времени

Автор: А. Л. Буляница, Н. А. Есикова, А. А. Евстрапов

Журнал: Научное приборостроение @nauchnoe-priborostroenie

Рубрика: Приборостроение для биологии и медицины

Статья в выпуске: 2 т.32, 2022 года.

Бесплатный доступ

На полимерных микрофлюидных устройствах из поликарбоната и полипропилена реализована количественная полимеразная цепная реакция в реальном времени (ПЦР-РВ). Пороговый цикл определяется на основе точки перегиба функции логистического роста первого порядка, достоверно аппроксимирующей кривую ПЦР при отсутствии мешающих факторов, например наличия пузырей в реакционной камере. Использование статистических критериев (обобщенный критерий Стьюдента, однофакторный дисперсионный анализ) выявило незначимость влияния типа полимера на оценку положения порогового цикла при выбранном ранее алгоритме его поиска. При применении альтернативного алгоритма нахождения порогового цикла на основе построения касательной к кинетической кривой в ряде случаев наблюдается значимое влияние типа полимера на оценку положения порогового цикла и, как следствие, на результат количественного анализа. Предложены и обсуждены алгоритмы обнаружения пузырей в реакционной камере на основе выявления разладки в последовательности измерений, связанные как с оценками параметров аппроксимирующей зависимости, так и с характеристиками временнóго ряда, сформированного погрешностями аппроксимации.

Еще

Полимеразная цепная реакция в реальном времени, кинетическая кривая, функция логистического роста первого порядка, оценка параметров, однофакторный анализ, восходящая и нисходящая серия, погрешность аппроксимации

Короткий адрес: https://sciup.org/142234343

IDR: 142234343   |   DOI: 10.18358/np-32-2-i319

Список литературы Интерпретация результатов количественного генетического анализа на основе аппроксимации кинетической кривой полимеразной цепной реакции в реальном времени

  • Есикова Н.А., Гермаш Н.Н., Евстрапов А.А. Оперативное изготовление микрочипов для ПЦР-анализа из
  • полимерных материалов в лабораторных условиях // Научное приборостроение. 2020. Т. 30, № 4. С. 21–26. URL: http://iairas.ru/mag/2020/abst4.php#abst2
  • 2. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие для инженерноэкономических институтов и факультетов. Изд. 4-е, доп. М.: Высшая школа, 1972. 367 с.
  • 3. Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа: учебник. М.: Экономика, 2011. 637 с.
  • 4. Плохотников К.Э., Колков С.В. Статистика: учебное пособие. М.: Флинта, 2006. 286 с.
  • 5. Буляница А.Л. Методы оценивания параметров кривой логистического роста. Ч. 1. Оптимизация условий оценивания при наличии аддитивной случайной помехи // Научное приборостроение. 2009. Т. 19, № 3. С. 3–11. URL: http://iairas.ru/mag/2009/abst3.php#abst1
  • 6. Белов Д.А., Белов Ю.В., Курочкин В.Е. Новая методика обработки флуоресцентного отклика плавления ДНК // Научное приборостроение. 2018. Т. 28, № 1. С. 3–10. URL: http://iairas.ru/mag/2018/abst1.php#abst1
  • 7. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. 736 c.
  • 8. Критерий "восходящих" и "нисходящих" серий. URL: https://math.semestr.ru/trend/series.php (дата обращения: 19.04.2022)
  • 9. Wallis W.A., Moore G.H. A significance test for time series analysis // J. Amer. Statist. Ass. 1941. Vol. 36, is. 215. P. 401–409. URL:
  • https://www.tandfonline.com/doi/abs/10.1080/01621459.1941.10500577
  • 10. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983. 416 с.
Еще
Статья научная