METHOD FOR PROCESSING THE KINETIC CURVES OF FLUORESCENCE DECAY USING DATA MINING ALGORITHMS
Abstract
A method for processing big datasets of the kinetic curves of fluorescence decay using data mining algorithms is proposed to determine the parameters of biophysical and optical processes that occur in molecular systems. The idea of the developed method is in partitioning the initial fluorescence dataset into clusters according to the degree of likeness to some measure of similarity, finding cluster medoids, using a data reduction method and visualizing experimental data in twoor three-dimensional space, analyzing the fluorescence curves of the medoids by analytical or simulation models. The applicability of the method is considered by the example of the analysis of datasets representing systems of fluorophores. The developed method uses substantially less time and computation of the analytical approximation function, though the accuracy of the estimated parameters is higher than in the classical approach.
About the Authors
M. M. Yatskou
Belarusian State University
Belarus
Minsk, 220030
Belarus
Minsk, 220030
V. V. Skakun
Belarusian State University
Belarus
Minsk, 220030
Belarus
Minsk, 220030
V. V. Apanasovich
Institute of Information Technology and Business Administration
Belarus
Minsk, 220004
Belarus
Minsk, 220004
References
1. J. R. Lakowicz. Principles of Fluorescence Spectroscopy, 3 rd ed., Springer, New York (2006)
2. A. H. Clayton. J. Biosci., 43, N 3 (2018) 463—469
3. S. Shashkova, M. C. Leake. Biosci. Rep., 37, N 4 (2017); doi: 10.1042/BSR20170031
4. D. Phillips. Proc. Math. Phys. Eng. Sci., 472, N 2190 (2016) 1—20
5. J. P. Angelo, S.-J. Chen, M. Ochoa, U. Sunar, S. Gioux, X. Intes. J. Biomed. Opt., 24, N 7, 071602 (2018) 1—20
6. E. Wientjes, J. Philippi, J. W. Borst, H. van Amerongen. Biochim. Biophys. Acta Bioenerg., 1858, N 3 (2017) 259—265
7. A. Boreham, R. Brodwolf, K. Walker, R. Haag, U. Alexiev. Molecules, 22, N 1 (2017) Е17 (1—18)
8. Fluorescence Spectroscopy and Microscopy: Methods and Protocols. Methods in Molecular Biology, Eds. Y. Engelborghs, A. J. W. G. Visser, 1076, Springer Science+Business Media, LLC (2014)
9. M. M. Yatskou. Computer Simulation of Energy Relaxation and Transport in Organized Porphyrin Systems, Wageningen (2001)
10. Н. Н. Яцков, В. В. Апанасович, Р. Б. М. Кухорст, А. ван Хук, Т. Й. Схафсма. Журн. прикл. спектр., 70, № 3 (2003) 335—339 [M. M. Yatskou, V. V. Apanasovich, R. B. M. Koehorst, A. van Hoek, T. J. Schaafsma. J. Appl. Spectr., 70 (2003) 372—377]
11. И. В. Станишевский, С. М. Арабей. Материалы науч.-тех. конф. “Квантовая электроника”, 18—22 ноября 2019 г., Минск, РИВШ (2019) 64—66
12. Н. Н. Яцков. Интеллектуальный анализ данных: пособие, Минск, БГУ (2014)
13. Н. Н. Яцков, В. В. Скакун, В. В. Апанасович. Прикладные проблемы оптики, информатики, радиофизики и физики конденсированного состояния, Минск, НИУ “Ин-т прикл. физ. проблем им. А. Н. Севченко” БГУ (2019) 125—127
14. M. Bramer. Principles of Data Mining, 2 nd ed., Springer, London (2013)
15. C. C. Aggarwal. Data Mining: The Textbook, Springer, eBook (2015)
16. Н. Н. Яцков, В. В. Апанасович. Материалы науч.-тех. конф. “Квантовая электроника”, 18—22 ноября 2019 г., Минск, РИВШ (2019) 282—283
17. И. Д. Мандель. Кластерный анализ, Москва, Финансы и статистика (1988)
18. М. Б. Лагутин. Наглядная математическая статистика: уч. пособие, Москва, БИНОМ, Лаборатория знаний (2007)
19. I. T. Jolliffie. Principal Component Analysis, 2 nd ed., Springer, New York (2002)
20. A. Hyvaerinen, J. Karhunen, O. Erkki. Independent Component Analysis, New York, John Wiley&Sons Inc. (2001)
21. Y. Saeys, I. Inza, P. Larranaga. Bioinformatics, 23 (2007) 2507—2517
22. А. В. Волков, Н. Н. Яцков, В. В. Гринев. Вестн. БГУ. Математика. Информатика, № 1 (2019) 77—89
23. V. Shapaval, J. Brandenburg, J. Blomqvist, V. Tafintseva, V. Passoth, M. Sandgren, A. Kohler. Biotechnol. Biofuels, 12 (2019) 140 (1—12)
24. C. Colabella, L. Corte, L. Roscini, V. Shapaval, A. Kohler, V. Tafintseva, C. Tascini, G. Cardinali. PLoS One, 12, N 12 (2017) e0188104 (1—20)
25. В. В. Апанасович, О. М. Тихоненко. Цифровое моделирование стохастических систем, Минск, Университетское (1986)
26. T. A. Roelofs, C. H. Lee, A. R. Holzwarth. Biophys. J, 61, N 5 (1992) 1147—1163
27. A. V. Digris, E. G. Novikov, V. V. Skakun, V. V. Apanasovich. Method. Mol. Biol., 1076 (2014) 257—277
28. В. В. Апанасович, Е. Г. Новиков, Н. Н. Яцков, Р. Б. М. Кухорст, Т. Й. Схафсма, А. ван Хук. Журн. прикл. спектр., 66, № 4 (1999) 549—552 [V. V. Apanasovich, E. G. Novikov, N. N. Yatskov, R. B. M. Koehorst, T. J. Schaafsma, A. van Hoek. J. Appl. Spectr., 66 (1999) 613—616]
29. В. В. Апанасович, Е. Г. Новиков, Н. Н. Яцков. Журн. прикл. спектр., 67, № 5 (2000) 612—618 [V. V. Apanasovich, E. G. Novikov, N. N. Yatskov. J. Appl. Spectr., 67 (2000) 842—851]
30. Н. Н. Яцков, Е. В. Лисица. Интеллектуальный анализ данных: методические указания к лабораторным работам, Минск, БГУ (2019)
Review
For citations:
Yatskou M.M., Skakun V.V., Apanasovich V.V. METHOD FOR PROCESSING THE KINETIC CURVES OF FLUORESCENCE DECAY USING DATA MINING ALGORITHMS. Zhurnal Prikladnoii Spektroskopii. 2020;87(2):322-333. (In Russ.)
Views: 412
Email this article 