Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

http://pubs.acs.org/journal/acsodf Artikel

Atenuated Total Reflection Fourier Transform Infrared

Spectroscopy untuk Skrining Forensik Konsumsi Alkohol Jangka
Panjang dari Kuku Manusia
Bilkis Mitu, Migdalia Cerda, Radovan Hrib, VAclav Trojan, dan Lenka HalAmkovA*

Kutip Ini:ACS Omega2023, 8, 22203−22210 Membaca online

MENGAKSES Metrik & Lainnya Rekomendasi Artikel *siinformasi pendukung

Lihat https://pubs.acs.org/sharingguidelines untuk opsi tentang cara membagikan artikel yang dipublikasikan secara sah.

ABSTRAK:Spektroskopi Fourier transform infrared (FT-IR) digunakan di

seluruh laboratorium forensik untuk banyak aplikasi. Spektroskopi FT-IR
dapat berguna dengan aksesori ATR dalam analisis forensik karena beberapa
alasan. Ini memberikan kualitas data yang sangat baik dikombinasikan
Diunduh melalui 114.125.219.219 pada 20 Agustus 2023 pukul 21:43:28 (UTC).

dengan reproduktifitas tinggi, dengan variasi yang diinduksi pengguna

minimal dan tidak ada persiapan sampel. Spektra dari sistem biologi
heterogen, termasuk sistem yg menutupi, dapat dikaitkan dengan ratusan
atau ribuan biomolekul. Matriks kuku keratin memiliki struktur yang rumit
dengan metabolit sirkulasi yang ditangkap yang keberadaannya dapat
bervariasi dalam ruang dan waktu tergantung pada konteks dan sejarah.
Kami mengembangkan pendekatan baru dengan menggunakan alat
pembelajaran mesin (ML) untuk memanfaatkan potensi dan
meningkatkan selektivitas instrumen, membuat model klasifikasi, dan memberikan informasi berharga yang
tersimpan di kuku manusia dengan keyakinan statistik. Di sini, kami melaporkan analisis kemometri spektra ATR
FT-IR untuk klasifikasi dan prediksi konsumsi alkohol jangka panjang dari potongan kuku pada 63 donor. Analisis
diskriminan parsial kuadrat terkecil (PLS-DA) digunakan untuk membuat model klasifikasi yang divalidasi
terhadap kumpulan data independen yang menghasilkan 91% spektrum yang diklasifikasikan dengan benar.
Namun, ketika mempertimbangkan hasil prediksi di tingkat donor, akurasi 100% tercapai, dan semua donor
diklasifikasikan dengan benar. Sepanjang pengetahuan kami,

F kliping kuku dan kuku kaki adalah matriks yang mampu

dan alternatif dalam memberikan penelitian
pemantauan obat. Literatur saat ini telah menetapkan
keberadaan biomarker obat karena analisis komposisi kimia
kuku tangan dan kaki. Struktur keratin kuku jari tangan dan
kaki memungkinkan keberadaan jangka panjang dan
penggabungan obat dalam kuku.1Saat kuku terus tumbuh,
matriks germinal secara konsisten menerima dan
memasukkan biomarker apa pun ke komposisi kimia kuku
secara keseluruhan.1Dengan demikian, memungkinkan
untuk deteksi dan identifikasi paparan. Akumulasi
biomarker di dalam kuku memungkinkan penentuan
konsumsi atau paparan jangka panjang.
Penelitian saat ini telah menemukan biomarker alkohol jangka
panjang yang dihasilkan dari distribusi obat di seluruh kuku.2Dalam
peradilan pidana dan dari perspektif sipil, analisis kuku pemantauan
obat-obatan atau alkohol akan memainkan peran penting dalam
masa percobaan, pekerjaan kritis, dan minimal untuk mengetahui
kebiasaan pelaku yang tidak diketahui.
Anatomi dan fisiologi kuku menjadikannya matriks
yang sangat baik untuk retensi biomarker alkohol
secara khusus. Komposisi keratin kuku memungkinkan permukaan
yang sangat kuat namun keropos yang memungkinkan untuk
penggabungan obat-obatan atau bahan kimia.3Komposisi kimia
kuku tangan dan kaki tetap tidak terpengaruh ketika obat atau
bahan kimia dimasukkan ke dalam kuku saat terus tumbuh.4,5Jadi,
saat konsumsi alkohol berlanjut, biomarker alkohol akan
terakumulasi dalam serat keratin selama berbulan-bulan yang
menunjukkan riwayat penggunaan.6
Penelitian yang melibatkan analisis kimia kuku tangan dan
kaki mencakup disiplin ilmu dari dermatologi hingga peradilan
pidana. Lurik fisik mikroskopis kuku juga telah dieksplorasi dan
dibandingkan sebagai pola punggungan.7Penampilan dan
komposisi fisik kuku dapat memberikan wawasan tentang
penyakit kuku, kekurangan mineral atau vitamin, gizi buruk, dan
trauma baru-baru ini.3Paparan dan kontaminan seperti racun,
klorin, dan bahan peledak juga telah disebutkan dalam literatur.
3,4,7−10Khususnya, biomarker alkohol yang ditemukan dalam
tubuh setelah konsumsi alkohol mungkin
Diterima:15 April 2023
Diterima:24 Mei 2023
Diterbitkan:6 Juni 2023

© 2023 Para Penulis. Diterbitkan oleh

Masyarakat Kimia Amerika https://doi.org/10.1021/acsomega.3c02579
22203 ACS Omega2023, 8, 22203−22210
ACS Omega http://pubs.acs.org/journal/acsodf
hadir sebagai aspartate aminotransferase (AST), gamma glutamyl
transferase (GGT), atau biomarker defisiensi karbohidrat transferrin
(CDT), untuk beberapa nama. Namun, biomarker alkohol tertentu
yang menarik dalam memantau penyalahgunaan alkohol adalah etil
glukuronida (EtG), mengingat ini adalah produk yang dihasilkan
hanya ketika etanol dimetabolisme di hati.1,11
Studi sebelumnya menemukan bahwa analisis kuku mampu
mengidentifikasi perilaku minum akut dan kronis.1,12Konsentrasi
ETG yang ditemukan di kuku menunjukkan korelasi dengan
konsumsi alkohol yang dilaporkan sendiri.12Terutama dibandingkan
dengan sampel rambut alternatif, konsentrasi ETG kuku lebih tinggi,
menyimpulkan bahwa kuku memberikan biomarker alkohol yang
lebih baik.12
Dengan demikian, analisis jari tangan dan kaki adalah spesimen yang bagus
dalam menganalisis penanda alkohol terutama untuk mengidentifikasi
penyalahgunaan alkohol jangka panjang, memberikan riwayat penggunaan
alkohol selama 3 - 6 bulan. Menggunakan spesimen ini akan menguntungkan
pemantauan konsumsi alkohol dari pengguna/pengedar narkoba, toksikologi
postmortem, kejahatan terkait narkoba, dan kepatuhan, pengujian, dan
deteksi terkait forensik lainnya.6
Biomarker alkohol adalah salah satu dari banyak penanda
obat yang telah ditemukan pada potongan kuku, termasuk obat
induk dan atau metabolit tembakau, ganja, THC, opiat dan
opioid, nikotin, PCP, Zolpidem, Bromazepam, Benzodiazepin,
Amfetamin dan Metamfetamin, Kokain, dan Benzoylecgonine.1,3,
6,13−19Penelitian yang berkaitan dengan pemahaman
penggabungan obat-obatan atau bahan kimia selama
pembentukan kuku telah mengeksplorasi berbagai metode
konsumsi, termasuk paparan obat dalam kandungan dengan
menganalisis kuku bayi.13,16,19
Dengan demikian, analisis kuku dapat dilakukan untuk pengobatan alkohol dan
obat-obatan hingga analisis toksikologi forensik dalam kasus serangan seksual yang
difasilitasi obat dan kasus postmortem, di mana mungkin ada satu paparan jarak
jauh atau riwayat penggunaan narkoba yang tidak ditentukan yang dapat
memberikan informasi tentang penyebab atau cara terjadinya. kematian.1
Spesimen pengujian lainnya berada di garis depan metode
toksikologi forensik saat ini terkait biomarker alkohol, termasuk
rambut dan cairan tubuh seperti urin.1Sementara spesimen
pengujian ini telah menjadi praktik umum, ada keterbatasan
dan bias yang mendorong spesimen alternatif.1,11Keterbatasan
terkait deteksi biomarker alkohol pada spesimen lain diatasi
dengan pengujian kuku.1Studi yang membandingkan
konsentrasi ETG pada kuku dan rambut menyimpulkan bahwa
konsentrasi ETG lebih tinggi pada kuku.1,12Penelitian
mengaitkan hasil ini dengan fakta bahwa kuku kekurangan
pigmen, sehingga konsentrasinya tidak sepenuhnya terdeteksi
dan atau terdegradasi oleh perawatan kosmetik seperti
pemutihan dan pewarnaan.1,6Dibandingkan dengan spesimen
lain seperti darah, urin, dan air liur, kuku menunjukkan jendela
deteksi yang lebih lama, pengumpulan sampel noninvasif,
kurangnya degradasi obat, dan memerlukan sampel yang lebih
kecil untuk analisis.14,20
Teknik yang digunakan untuk mendeteksi zat pada rambut
dan kuku termasuk kromatografi gas (GC), spektrometri massa
(MS), aktivasi nuklir, fluoresensi dan emisi sinar-X, serta
penyerapan dan emisi atom.4Selain itu, teknik yang digunakan
untuk memeriksa kuku adalah sebagai berikut: spektroskopi
kerusakan akibat laser; kromatografi cair kinerja tinggi (LC);
kromatografi cair ultrakinerja−spektrometri massa tandem (LC
−MS); mikro-PIXR dan mikro-RBS; analisis mikro sinar-X keras;
dan XFR berbasis synchrotron.7,14Mengikuti validasi
spektrometer massa tandem kromatografi cair
22204
Artikel
etry (LC−MS/MS), studi tentang pengujian konsentrasi
EtG kuku telah dilanjutkan dengan metode deteksi ini.
6Evaluasi deteksi ETG mengenai sensitivitas dan
spesifisitas dengan metode LC−MS/MS masih harus
dinilai. Namun, studi saat ini dengan jumlah sampel
yang tidak memadai menunjukkan korelasi antara
deteksi asupan alkohol dan nilai ETG.6
Obat-obatan penyalahgunaan dan obat-obatan di kuku hanya ada
dalam konsentrasi rendah. Karena kerumitan matriks
terkeratinisasi, metode analitik harus lebih sensitif, dan preparasi
sampel sangat penting.14Spektroskopi Fourier transform infrared
(FT-IR) telah digunakan sebagai teknik analitik untuk berbagai
aplikasi di bidang forensik. Spektroskopi FT-IR telah diterapkan pada
berbagai jenis bukti, dan dilakukan dengan baik dalam pemeriksaan
dokumen yang dipertanyakan yang ditemukan di TKP,21cat,22uang
kertas,23serat,24rambut,25,26analisis residu tembakan,27dan jejak
cairan tubuh.28−31Sifat nondestruktif dari metode ini memungkinkan
kami menggunakan bagian sampel yang sama untuk pemeriksaan
lebih lanjut. Metode ini cepat, tidak merusak, dan kuantitatif, yang
merupakan properti ideal untuk analisis forensik. Selain itu, metode
ini dapat digunakan di lapangan dengan alat portabel.32
Spektroskopi IR termasuk dalam metode analitik yang mampu
melakukan konfirmasi molekuler berdasarkan Praktik Standar untuk
Identifikasi Obat yang Disita yang memandu laboratorium forensik
dalam mengidentifikasi zat yang disita yang tidak diketahui.33
Spektroskopi FT-IR dipelajari secara luas dan telah digunakan dalam
kerja kasus forensik. Penyalahgunaan etanol seringkali dapat
menyebabkan konsekuensi negatif seperti tuntutan pidana atau
tuntutan hukum perdata.34Karena metodologi ini juga telah
membuktikan dirinya dalam analisis obat yang disita untuk
memperoleh informasi komposisi kimiawi sampel,35−39akan sangat
menguntungkan untuk menerapkan teknik ini di bidang investigasi
forensik lainnya, seperti deteksi alkohol dan metabolitnya.
FT-IR berhasil digunakan untuk analisis kuku manusia oleh Coopman
et al. untuk mempelajari konsentrasi protein kuku terglikasi40dan apakah
glikasi mencerminkan rata-rata glikemia selama beberapa bulan terakhir.
Sepengetahuan kami, satu-satunya studi yang menggunakan FT-IR untuk
mempelajari kuku manusia untuk tujuan forensik adalah studi Sharma et
al. yang menggunakan analisis diskriminan parsial kuadrat terkecil (PLS-
DA) untuk mengklasifikasikan jenis kelamin dengan analisis kemometri
yang diterapkan pada data spektral spektroskopi ATR-FT-IR dari
potongan kuku manusia.5
Dalam penelitian ini, kami mendeskripsikan pengembangan
metode baru spektroskopi ATR FT-IR yang dipadukan dengan
PLS-DA. PLS adalah algoritma pengurangan dimensi terkenal
yang merupakan metode sederhana dan efisien karena
informasi tentang tugas kelas terlibat langsung dalam ekstraksi
variabel laten (LV). Algoritma PLS adalah metode regresi linier
yang dapat digunakan untuk tiga skenario berbeda: eksplorasi
data, kalibrasi, dan klasifikasi. Ketika rangkaian respons dummy
untuk hasil kategorikal digunakan alih-alih vektor kontinu biasa,
model PLS disebut analisis diskriminan parsial kuadrat terkecil
(PLS-DA).41Tujuan dalam penelitian kami adalah untuk
mengevaluasi penerapan sampel kuku manusia untuk ATR FT-IR
sebagai alternatif teknik lain untuk pemantauan konsumsi
alkohol jangka panjang. Secara khusus, kami tertarik pada
apakah metode tersebut memiliki potensi untuk membedakan
orang yang sedang minum (“Peminum alkohol”) atau tidak
minum alkohol (“Bukan peminum”) berdasarkan potongan kuku
mereka.
https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
■
ACS Omega http://pubs.acs.org/journal/acsodf Artikel

BAHAN DAN METODE Model PLS-DA dibangun dengan bertambahnya jumlah spektrum
pada data training dan validasi. Selama setiap pemisahan, kami
Pembuatan dan Persiapan Sampel.Potongan kuku
selalu menyimpan spektrum dari satu donor baik dalam kumpulan
dikumpulkan dari 63 sukarelawan (44 alkohol dan 19 donor
data pelatihan atau pengujian. Setiap model dibangun dengan
nonalkohol) dari berbagai ras dan usia. Kriteria kelayakan untuk
jumlah LV yang optimal. Ketika model yang dilatih menunjukkan
sukarelawan adalah kuku yang sehat tanpa gejala penyakit kulit
varians yang lebih rendah selama proses pelatihan, pemisahan data
atau kuku yang berbeda. Mengenai status minum alkohol, jika
tersebut dipilih. Sampel dibagi menjadi kumpulan data kalibrasi
mereka mengkonsumsi alkohol, mereka diharuskan untuk minum
(pelatihan) dan kumpulan data uji (validasi eksternal) yang kira-kira
dalam waktu enam bulan terakhir sebelum pengambilan gunting
sesuai dengan pembagian 80:20. Donor ditugaskan untuk kalibrasi
kuku dan minimal 2 minuman standar setara per minggu. Hal ini
dan set pengujian secara acak; distribusi akhir mereka diperiksa
memastikan bahwa konsumsi alkohol dapat dideteksi dengan benar
dalam hyperspace proyeksi LV untuk memastikan bahwa dataset
pada potongan kuku terlepas dari apakah spesimen tersebut
adalah sampel yang representatif (misalnya, sampel acak) dari
berasal dari kuku tangan atau kuku kaki. Sampel terdiri dari 1−10
dataset asli (Gambar 1). Set data pelatihan terdiri dari 669 spektrum
potongan kuku sumbangan dari masing-masing relawan, dengan
dari 51 donor dan set data validasi terdiri dari 162 spektrum dari 12
panjang minimal 1 mm. Setiap sampel dibersihkan dengan alkohol
donor.
isopropil 70% dan disimpan dalam kantong zip-lock dan diberi kode.
Studi ini disetujui oleh Institutional Review Board of Texas Tech
University (No.
Analisis Spektroskopi FT-IR.Spektra direkam pada Thermo
Fisher Nicolet iS10 yang dilengkapi dengan aksesori berlian ATR.
Akuisisi semua spektrum dilakukan dengan 32 pemindaian per
spektrum dan dalam kisaran 4000−600 cm−1
dengan resolusi 4 cm−1. Spektrum dikumpulkan dari titik sampel
yang berbeda untuk menghitung heterogenitas matriks kuku.
Spektrum latar belakang direkam sebelum pengumpulan spektrum
dari setiap sampel baru, dan dikurangi dari semua spektrum
berikutnya. Pengukuran dikendalikan oleh perangkat lunak OMNIC
(Thermo Nicolet Corporation, Waltham, MA, USA). Di antara setiap
analisis sampel, kristal dibersihkan menggunakan isopropanol dan
dibiarkan mengering sebelum memulai pengukuran. Untuk
memastikan kontak yang dapat direproduksi antara sampel dan
kristal, gaya diterapkan oleh pengukur tekanan pada sampel paku Gambar 1.Set kalibrasi dan set pengujian keduanya adalah sampel acak dari donor
untuk memberikan kontak optik yang baik dengan kristal. Rentang untuk mencegah bias dalam set data yang dipertahankan dalam sampel.
spektral 600−1800 dan 2600−3800 cm-1−1menunjukkan kontribusi
dari komposisi biokimia sampel dan digunakan untuk analisis lebih
Selanjutnya, validasi silang diterapkan pada kumpulan data
lanjut.
pelatihan yang dipilih untuk menyetel parameter PLS-DA; dengan
Analisis statistik.File OMNIC spectral (.SPC) diimpor ke demikian, tidak ada set validasi mandiri. Satu-satunya parameter
perangkat lunak lain untuk diproses lebih lanjut dan analisis yang harus dioptimalkan adalah jumlah LV yang harus disertakan
statistik. Pemodelan PLS-DA dilakukan menggunakan perangkat dalam model. Pemilihan kompleksitas model akhir misalnya, jumlah
lunak MathWorks MATLAB R2020b versi 9.9.0.1570001 (Natick, LV serta perkiraan tingkat kesalahan klasifikasi model PLS-DA
MA, USA) yang didukung oleh Eigenvectors Research Inc. PLS diperoleh dengan menggunakan validasi silang venetian blind 10
Toolbox 9.0 (Manson, WA, USA). Analisis PLS dan ROC yang kali lipat tunggal pada set data pelatihan.44CV sepuluh kali lipat
jarang dilakukan menggunakan perangkat lunak R, paket R adalah kompromi yang baik dalam hal pertukaran bias-varians.45
"mixOmics",42dan paket "proc".43Langkah-langkah pra- Dalam konteks PLS-DA, di setiap langkah, 1/10 dari kumpulan data
pemrosesan berikut diterapkan: transformasi transmisi menjadi pelatihan ditinggalkan dan spektrum yang tersisa digunakan untuk
absorbansi (log(1/T)), turunan orde kedua dengan polinomial melatih model PLS-DA. Model ini digunakan untuk memprediksi
kedua, dan normalisasi dengan luas total dan pemusatan rata- label kelas, misalnya peminum alkohol atau bukan peminum pada
rata. Langkah-langkah preprocessing dipilih pada kumpulan spektrum kiri. Proses ini diulangi dengan 1/10 berikutnya sampai
data pelatihan. Spektrum dalam kumpulan data uji diproses semua spektrum diprediksi. Semua spektrum ditinggalkan untuk
sebelumnya tepat sebelum prediksi mereka. prediksi hanya sekali. Jumlah LV yang menghasilkan tingkat
kesalahan klasifikasi terendah selama CV dipilih untuk digunakan
Algoritma PLS bertanggung jawab untuk mengurangi dimensi pada model final PLS-DA.46
data (yaitu, spektrum FT-IR) menjadi beberapa LV dengan cara yang Pada langkah selanjutnya, prediksi dilakukan pada sampel
diawasi, dan kemudian, ambang diterapkan untuk menetapkan kumpulan data uji untuk memvalidasi model kami secara
label kelas ke spektrum (Peminum alkohol vs Bukan peminum). eksternal. Evaluasi kemampuan prediksi model dinilai
Komponen PLS dipilih untuk memaksimalkan kovarians antara dengan menggunakan dua parameter evaluasi: akurasi
tanggapan (penugasan kelas) dan kombinasi linier baru dari klasifikasi, dengan sensitivitas dan spesifisitas yang sesuai
prediktor asli. Kemudian, dimensi akhir ditentukan dengan dan Area Di Bawah Kurva Receiver Operating Characteristic
memutuskan berapa banyak dari prediktor baru ini yang akan (AUROC). Akurasi dan AUROC adalah parameter yang cocok
dimasukkan ke dalam model. untuk menilai kualitas model PLS-DA yang membedakan
Langkah pertama untuk analisis multivariat PLS-DA adalah antara dua kelas.47
pemilihan donor yang spektrumnya akan menjadi set data Pemilihan variabel PLS (sPLS) jarang digunakan untuk memilih
kalibrasi dan pengujian. Untuk tujuan perbandingan, beberapa wilayah spektral yang relevan untuk diferensiasi dua kelas.

22205 https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
ACS Omega http://pubs.acs.org/journal/acsodf Artikel

Untuk kasus beberapa variabel berkorelasi tinggi dalam Tabel 1. Puncak Spektral IR pada Kuku Manusia dan
kumpulan data, seperti spektra FT-IR, perluasan pendekatan Tugasnya
eksplorasi PLS diusulkan dan digunakan di sini untuk
komponen
melakukan pemilihan variabel dalam kerangka klasifikasi bilangan gelombang (cm−1) identifikasi penugasan band ref.
karena metode ini membuktikan dirinya kompetitif untuk
3278 amida A Peregangan N−H 49
metode lain dalam hal interpretabilitas dan waktu komputasi.48
3067 amida A Peregangan N−H 5
sPLS-DA melakukan pemilihan dan klasifikasi variabel dalam
2961 lipid dan Peregangan asimetris C−H dari 50
prosedur satu langkah; khususnya, sPLS memaksa sparsity protein CH3
vektor pemuatan dengan menerapkan penalti L1 dengan 2920 lipid dan Peregangan simetris C−H dari 50
parameter sparsity merdu, sehingga LV berikutnya hanya protein CH3
bergantung pada subgrup dari grup prediktor asli.48Langkah ini 2850 lipid dan Peregangan simetris C−H ke dalam 50
dilakukan terutama untuk memahami apa itu band FT-IR protein CH2
1637 amida I 50

■
berkontribusi paling besar untuk model akhir.
HASIL DAN DISKUSI
Tujuan dari penelitian ini adalah untuk menerapkan spektroskopi
ATR FT-IR sebagai metode tak rusak untuk membedakan peminum
Alkohol dan Non-peminum berdasarkan potongan kuku manusia.
Desain eksperimen dipilih berdasarkan literatur dan hasil awal.
Potongan kuku membuat spesimen yang sangat baik. Mereka
membuat matriks reservoir yang terdiri dari sambungan serat
keratin yang rapat: kuku juga berpori dan karenanya merupakan
matriks yang sangat baik untuk menjebak dan menangkap
biomarker alkohol. Mengumpulkan spesimen kuku adalah proses
yang sederhana dan non-invasif, serta mudah disimpan pada suhu
kamar.
Spektra rata-rata ATR FT-IR kuku manusia yang diperoleh dari dua
kelompok sukarelawan yang berbeda ditunjukkan padaGambar 2.
Gambar 2.Rata-rata spektra baku pemotongan kuku untuk kelompok
peminum alkohol (garis biru) dan bukan peminum (garis merah). Rentang
spektral 3800−2600 dan 1800−600 cm−1, digambarkan dalam gambar,
digunakan untuk analisis statistik lebih lanjut.
Spektra ATR FT-IR dari kedua kelompok sangat mirip, menunjukkan
pita yang sama dengan intensitas yang sama. Diferensiasi
berdasarkan inspeksi visual tidak mungkin; karenanya, analisis
statistik multivariat lanjutan diperlukan untuk tujuan kami. Tanda
spektral kuku manusia menunjukkan frekuensi getaran biomolekul
yang berbeda dan memberikan informasi tentang komponen kunci
yang ada pada kuku manusia. Kuku sebagian besar terdiri dari
protein berserat yang umumnya disebut keratin. Keratin adalah
rantai panjang asam amino yang dihubungkan bersama dengan
ikatan amida.52Dalam spektrum IR paku, wilayah utama dapat
diidentifikasi; selain protein, spektrum kuku menunjukkan
kontribusi dari asam nukleat (1000−1250 cm-1).−1), lipid ( 2800−3000
cm−1), dan karbohidrat (1000−800 cm−1).49,53
Tabel 1menunjukkan penugasan puncak getaran
molekuler yang tersedia dari literatur.
C�Wahai peregangan
1533 amida II C�O peregangan ditambah dengan 50
C−N peregangan dan
deformasi lentur N−H
5,50
1452 lipid dan CH2, CH3lentur asimetris
protein mode
1396 asam amino modus simetris CH3 51
1296 amida III Pembengkokan N−H 5
5,50
1239 amida III, Peregangan C−N, asimetris
nukleat mode peregangan PO2−
Asam
1080 asam nukleat peregangan simetris PO−2 50
Metode PLS-DA diterapkan untuk mengembangkan model yang
kuat untuk identifikasi peminum Alkohol sehubungan dengan
pendekatan tanda tangan spektral. Itu berarti, daripada mencari
perbedaan dalam intensitas masing-masing puncak, kami mencari
keteraturan dalam tanda spektral dari contoh berlabel yang
diketahui, melatih sistem untuk mengidentifikasi fitur dan pola yang
dipelajari, dan membuat prediksi selanjutnya pada data yang tidak
diketahui. Donor yang membentuk kalibrasi dan matriks set data uji
dikategorikan sebagai "Non-alkohol" (19 donor) dan peminum
"Alkohol" (44 donor), sebagaimana dijelaskan dalam definisi yang
diberikan di atas. Dataset dari 669 spektrum "berlabel" digunakan
untuk mengembangkan model PLS-DA, yang divalidasi silang
menggunakan tirai Venesia 10 kali lipat untuk menentukan jumlah
LV yang optimal. Dua belas LV ditentukan selama CV, ketika
himpunan bagian dari spektrum disisihkan dan diprediksi, dan
selanjutnya, semua prediksi dirata-ratakan. Kami mencapai
sensitivitas 97% dan spesifisitas 98% untuk membedakan peminum
alkohol dari bukan peminum. Setelah kami membuat model PLS-DA
dengan dua belas LV untuk membedakan dua kelompok donor
spesimen kuku, kami memprediksi pada set pengujian, yang tidak
kami gunakan untuk melatih model. Ini memungkinkan kami untuk
menentukan kesalahan out-of-sample untuk model.Gambar 3
menunjukkan prediksi kelas untuk setiap spektrum bersama dengan
ambang klasifikasi (garis putus-putus merah). Hasil dari proses
pelatihan ditampilkan di sebelah kiri (spektrum 1−669) dan hasil dari
validasi eksternal ditampilkan di sebelah kanan gambar (spektrum
670−831). Spektrum apa pun yang berada di atas ambang batas
diprediksi sebagai "Non-alkohol", dan spektrum apa pun di bawah
ambang klasifikasi ditetapkan sebagai spektrum "Alkohol".
Validasi eksternal pada set data uji menghasilkan sensitivitas 90%
dan spesifisitas 92% untuk mendeteksi konsumsi alkohol jangka
panjang sebelum pengumpulan kuku. Model PLS-DA menunjukkan
akurasi 100% untuk membedakan kedua kelompok berdasarkan
tingkat donor ketika ambang standar 50% digunakan, yang berarti
tidak ada donor yang salah klasifikasi. Kinerja model klasifikasi juga
divisualisasikan dengan plot kurva ROC yang menunjukkan
bagaimana sensitivitas berubah dengan spesifisitas sementara
ambangnya bervariasi. Nilai AUROC yang diperoleh adalah 0,97
(95% confidence interval [CI], 0,95−0,99),

22206 https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
ACS Omega http://pubs.acs.org/journal/acsodf
Gambar 3.Hasil prediksi kalibrasi dan validasi eksternal untuk peminum Alkohol dan Non-peminum berdasarkan sampel kuku manusia. Setiap titik
mewakili spektrum FT-IR ATR individu. Titik merah menunjukkan kelompok non-alkohol, titik biru mewakili kelompok alkohol, dan garis putus-putus
merah menunjukkan ambang klasifikasi.
menunjukkan bahwa kelompok peminum Alkohol dan Non-peminum
dipisahkan dengan baik dengan model klasifikasi PLS-DA kami (Gambar
S-1).
Algoritma PLS yang diawasi biasanya berkinerja baik dalam hal
kesalahan pengujian klasifikasi daripada metode yang bersaing;
namun, mereka tidak selalu menghasilkan model jarang yang
melibatkan sejumlah kecil fitur yang berkinerja lebih baik, dan selain
itu, fitur yang sangat berkorelasi mungkin memiliki banyak
redundansi dalam fitur yang dipilih.45Daerah yang dipilih oleh sPLS
sesuai dengan bilangan gelombang dengan kontribusi tinggi untuk
model PLS. sPLS mampu mereduksi jumlah variabel, namun masih
tersisa lebih dari 1500 variabel dalam model, yaitu 1562 variabel.
Hasil tersebut menunjukkan hubungan yang kompleks antara sidik
jari metabolisme kuku dan faktor lingkungan/perilaku seperti yang
ditargetkan dalam proyek ini.Gambar 4menunjukkan
Gambar 4.Spektrum ATR FT-IR mentah rata-rata dari pemotongan kuku
manusia dengan daerah spektral yang disorot dipilih dengan metode sPLS.
wilayah spektral paling informatif untuk tujuan kami dan dalam
wilayah yang paling sering dipilih, CH2dan CH3kelompok lipid
dan protein, pita Amida I, Amida II, Amida III berkontribusi
paling besar pada model. Selain itu, untuk pita-pita ini, bilangan
gelombang terbanyak dari kisaran spektral antara 950 dan 1180
cm-1−1dipilih, dan itu harus disebutkan
22207
Artikel
bahwa bagian spektrum IR kuku ini telah dipelajari
sehubungan dengan diabetes.40,54
Model sPLS-DA hanya menggunakan variabel yang dipilih
melalui pemilihan fitur yang divalidasi silang, dan tujuh LV
ditentukan selama CV. Sensitivitas dan spesifisitas mencapai
90% ditentukan untuk membedakan peminum Alkohol dari
Non-peminum. Validasi eksternal pada set data uji
menghasilkan sensitivitas 83% dan spesifisitas 90% untuk
mendeteksi konsumsi alkohol jangka panjang sebelum
pengambilan kuku berdasarkan model sPLS-DA (Gambar S-2).
Analisis AUROC menunjukkan nilai 0,96 (interval kepercayaan
[CI] 95%, 0,95−0,97) selama CV dan 0,93 (interval kepercayaan
[CI] 95%, 0,90−0,97) untuk validasi eksternal pada kumpulan
data uji (Gambar S-1). Jadi, saat menggunakan subset fitur yang
dikurangi untuk klasifikasi, hasil dari validasi eksternal hanya
sedikit menurun; namun, penurunan yang jauh lebih signifikan
terjadi selama CV setelah sparsity diterapkan pada model.
Relevansi fitur tidak selalu menyiratkan optimalitas dalam arti
akurasi maksimal yang dihasilkan oleh pengklasifikasi.55
Kumpulan data pengujian digunakan untuk menilai kinerja model
sPLS-DA dan juga memastikan bahwa model tersebut dapat
menggeneralisasi dengan baik ke spektrum baru yang tidak terlihat.
Pada saat proses ini, kita dapat membandingkan akurasi pengujian
dengan validasi, atau lebih baik dengan akurasi pelatihan untuk
memastikan model tidak overfitted.56Statistik untuk proses pelatihan
menunjukkan sensitivitas dan spesifisitas yang sama sebesar 90%
seperti pada CV. Baik, akurasi pelatihan dan CV tidak secara
signifikan mengungguli akurasi pengujian, yang berarti bahwa
prediksi yang sesuai dari prediksi set pelatihan, validasi silang, dan
validasi eksternal dapat dibandingkan, yang menunjukkan bahwa
model belum dipasang secara berlebihan.
Sepengetahuan kami, studi proof-of-concept ini menunjukkan
untuk pertama kalinya kemampuan spektroskopi ATR FT-IR untuk
membedakan donor yang tidak minum alkohol dari mereka yang
minum alkohol secara teratur, dan itu sudah di tingkat minum dua
minuman standar seminggu. Kuku tumbuh lebih lambat
dibandingkan dengan matriks serupa, rambut (3 mm/bulan untuk
kuku tangan dan 1 mm/bulan untuk kuku jari kaki); akibatnya,
penanda alkohol yang berbeda, seperti EtG, bisa lebih baik
https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
ACS Omega
http://pubs.acs.org
menumpuk di matriks kuku dan dapat memungkinkan memanfaatkan
jendela waktu diagnostik yang panjang.14
Metodologi yang kami usulkan dapat berimplikasi
pada pengambilan keputusan hukum atau klinis. Ada
beberapa penanda yang dapat digunakan untuk skrining
penyalahgunaan alkohol dalam jangka panjang. Masing-
masing memiliki beberapa karakteristik khusus,
membuatnya cocok untuk situasi dan metodologi yang
berbeda. Sayangnya, secara umum penanda alkohol
pada kuku manusia kurang dipelajari dengan baik. EtG,
yang disebutkan di atas, adalah penanda langsung dari
konsumsi alkohol yang berkepanjangan pada kuku dan
juga jumlah minum secara keseluruhan. Hingga saat ini,
hanya dua penanda yang diterapkan untuk deteksi
penyalahgunaan alkohol pada rambut (matriks alternatif
dari sampel kuku) dan pada kuku. Selain ETG tersebut di
atas, penanda lain yang telah dipelajari pada sampel
rambut adalah fatty acid ethyl esters (FAEE).57Namun,
salah satu keuntungan signifikan dari metodologi ini,
yaitu, spektroskopi ATR FT-IR yang dikombinasikan
dengan pendekatan ML sebagai alat diagnostik adalah
bahwa spektrum yang dihasilkan dari kuku manusia atau
matriks biologis lainnya tidak hanya mencakup penanda
yang diketahui dan dijelaskan. Di sini ML
memperkenalkan analisis data spektroskopi otomatis
dari seluruh sidik jari getaran yang secara inheren
kompleks dan heterogen, tetapi ML mampu mempelajari
pola yang berbeda antara orang yang minum alkohol
dan mereka yang tidak minum alkohol. Pola tersebut
termasuk juga perubahan pita spektral, yang belum
dijelaskan dan dipelajari dengan baik dalam hal
komponen biokimia. Namun,
■
KESIMPULAN
Ada kebutuhan yang berkelanjutan untuk mengeksplorasi dan
mengembangkan teknologi baru dan memastikan bahwa hasil
terbaik dan paling akurat dalam diagnostik medis dan ilmu forensik
dapat dicapai. Potongan kuku manusia adalah salah satu spesimen
yang paling praktis, karena stabilitas dan pengambilan sampelnya
yang cepat. Selain itu, potongan kuku tidak mengalami gangguan
permukaan seperti halnya bukti jejak lainnya seperti cairan tubuh
dan sidik jari laten.
Keuntungan utama dari ATR FT-IR adalah tanda spektral
spesifik untuk kelompok sampel yang berbeda berdasarkan
komposisi biokimianya. Spektrum inframerah menampilkan
karakteristik vibrasi yang unik dari suatu sampel berdasarkan
frekuensi penyerapan yang berbeda dari masing-masing gugus
fungsi.26ML mampu menjelaskan informasi spektral multipleks,
termasuk komposisi spektral dan perbedaan kecil yang
disebabkan oleh status konsumsi alkohol donor. Model PLS-DA
dapat dengan jelas membedakan sampel pemotongan kuku
peminum alkohol dan bukan peminum. Baik model PLS-DA dan
sPLS-DA telah menunjukkan AUROC yang sangat baik masing-
masing sebesar 0,97 dan 0,93, untuk membedakan antara
kedua kelompok. Dengan demikian, metode yang kami usulkan
mewakili pengembangan analisis cepat spesimen kuku untuk
keperluan forensik atau medis berdasarkan pendekatan ML
yang diterapkan pada data spektral ATR FT-IR. Aplikasi analitik
lebih lanjut untuk karakteristik pribadi lainnya dapat dilakukan
dan, bersama dengan gangguan perawatan kosmetik, sedang
diselidiki di laboratorium kami.
22208
■
/jurnal/acsodf Artikel
KONTEN TERKAIT
*si informasi pendukung
Informasi Pendukung tersedia gratis di https://
pubs.acs.org/doi/10.1021/acsomega.3c02579.
Pertukaran antara spesifisitas dan sensitivitas dari
model PLS-DA dan model sPLS-DA disajikan sebagai
kurva ROC dan AUROC yang sesuai; hasil prediksi
kalibrasi dan validasi eksternal model sPLS-DA untuk
peminum alkohol dan bukan peminum berdasarkan
sampel kuku manusia (PDF)
■
INFORMASI PENULIS
Penulis yang sesuai
Lenka Halámková−Departemen Lingkungan
Toksikologi, Universitas Teknologi Texas, Lubbock, Texas 79409,
Amerika Serikat; Surel:Lenka.Halamkova@ttu.edu
Penulis
Bilkis Mitu−Departemen Toksikologi Lingkungan, Texas
Universitas Teknologi, Lubbock, Texas 79409, Amerika Serikat
Migdalia Cerda−Departemen Toksikologi Lingkungan,
Universitas Teknologi Texas, Lubbock, Texas 79409, Amerika
Serikat Radovan Hrib−Fasilitas Ganja, Pusat Terjemahan
Kedokteran, Pusat Penelitian Klinis Internasional dan Pusat
Manajemen Nyeri, Departemen Anestesiologi dan Perawatan
Intensif, Rumah Sakit Universitas St. Anne, Brno 60200,
Republik Ceko
Trojan Václav −Fasilitas Ganja, Pusat Terjemahan
Kedokteran, Pusat Penelitian Klinis Internasional, Rumah Sakit
Universitas St. Anne, Brno 60200, Republik Ceko
Informasi kontak lengkap tersedia di: https://
pubs.acs.org/10.1021/acsomega.3c02579
Kontribusi Penulis
Naskah ditulis melalui kontribusi dari semua penulis.
Catatan
■
Para penulis menyatakan tidak ada kepentingan finansial yang bersaing.
UCAPAN TERIMA KASIH
Kami berterima kasih kepada banyak sukarelawan yang memberi
kami sampel kuku. Tanpa mereka, proyek ini tidak akan mungkin
terjadi.
■
REFERENSI
(1) Lach, M.Memaku Standar Emas; USDTL, 2015,6.
(2) Paul, R.; Tsanaclis, L.; Murray, C.; Boroujerdi, R.; Facer, L.; Corbin,
A. Ethyl Glucuronide sebagai Biomarker Alkohol Jangka Panjang
pada Kuku dan Rambut. Matriks Perbandingan dan Evaluasi Bias
Gender.Alkohol Alkohol.2019,54, 402−407.
(3) Muddasani, S.; Lin, G.; Hooper, J.; Sloan, SB Nutrisi dan penyakit
kuku.Klinik. Dermatol.2021,39, 819−828.
(4) Daniel, CR, ke-3; Piraccini, BM; Tosti, A. Paku dan rambut dalam
ilmu forensik.Selai. Acad. Dermatol.2004,50, 258−261.
(5) Sharma, A.; Verma, R.; Kumar, R.; Chauhan, R.; Sharma, V.
Analisis kemometri spektrum ATR-FTIR potongan kuku untuk
klasifikasi dan prediksi jenis kelamin dalam konteks forensik.
Mikrokimia. J. 2020,159, No. 105504.
(6) Solimini, R.; Minutillo, A.; Kyriakou, C.; Pichini, S.; Pacifici, R.; Busardo,
FP Nails dalam Toksikologi Forensik: Pembaruan.Kur. Farmasi. Des.2018,
23, 5468−5479 .
https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
ACS Omega http://pubs.acs.org/journal/acsodf
(7) Grover, C.; Bansal, S. Paku sebagai alat investigasi dalam kedokteran:
Apa yang harus diketahui oleh dokter kulit.India J. Dermatol. Venereol.
Leprol.2017,83, 635−643.
(8) Toprak, S.; Kahriman, F.; Dogan, Z.; Ersoy, GA-O.; Bisa, EA-
HAI.; Akpolat, MA-O.; Bisa, MA-O. Potensi metode spektroskopi
Raman dan FT-IR untuk deteksi klorin pada sampel kuku manusia.
Ilmu Forensik. Kedokteran Patol.2020,16, 633−640.
(9) Caccia, G.; Re, L.; Caccianiga, M.; Cattaneo, C. Jejak di bawah kuku dalam
kedokteran forensik klinis: bukan hanya DNA.Int. J. Hukum Kedokteran. 2021,
135, 1709−1715.
(10) Ali, EMAA; Edwards, HGM; Hargreaves, MD; Scowen, IJ Deteksi
bahan peledak pada kuku manusia menggunakan mikroskop
confocal Raman.J. Raman Spectrosc.2009,40, 144−149.
(11) Berger, L.; Fendrich, M.; Jones, J.; Fuhrmann, D.; Plat, C.; Lewis, D.
Ethyl glucuronide pada rambut dan kuku sebagai biomarker alkohol
jangka panjang.Kecanduan2014,109, 425−431.
(12) Shu, saya.; Jones, J.; Jones, M.; Lewis, D.; Negrusz, A. Deteksi
Obat di Kuku: Pengalaman Tiga Tahun.J.Anal. Toksikol.2015,39, 624
−628.
(13) Mari, F.; Politi, L.; Bertol, E. Kuku bayi baru lahir dalam pemantauan
paparan obat selama kehamilan.Ilmu Forensik. Int.2008,179, 176− 180.
(14) Cappelle, D.; Yegles, M.; Neels, H.; van Nuijs, ALN; De Doncker,
M.; Maudens, K.; Covaci, A.; Crunelle, CL Analisis kuku untuk
mendeteksi obat-obatan yang disalahgunakan dan obat-obatan:
ulasan. Toksikol Forensik.2015,33, 12−36.
(15) Cobo-Golpe, M.; de-Castro-Ríos, A.; Cruz, A.; López-Rivadulla,
M.; Lendoiro, E. Penentuan dan Distribusi Kanabinoid pada Sampel
Kuku dan Rambut.J.Anal. Toksikol.2021,45, 969−975.
(16) Ayo, DM; Al-Delaimy, WK; Schilling, D.; Vuylsteke, B.; Mehess,
S.; Spindel, ER; McEvoy, CT Tingkat nikotin rambut dan kuku ibu dan
bayinya sebagai biomarker yang valid dari paparan asap tembakau
intrauterin.Tob. induksi Dis.2021,19, 100.
(17) Engelhart, DA; Jenkins, AJ Deteksi analit kokain dan opiat di
kuku dari kasus postmortem.J.Anal. Toksikol.2002,26, 489−492.
(18) Garside, D.; Ropero-Miller, JD; Goldberger, BA; hamil,
WF; Maples, WR Identifikasi analit kokain pada spesimen kuku
tangan dan kaki.J. Ilmu Forensik.1998,43, 974−979.
(19) Pelissier-Alicot, A.-L.; Kintz, P.; Amelin, A.; Bosdure, E.; Chabrol,
B.; Neant, N.; Torrent, R.; Sastre, C.; Baillif-Couniou, V.; Tuchtan-
Torrents, L.; Leonetti, keracunan G. Bromazepam pada bayi:
Kontribusi analisis rambut dan kuku.Tes Narkoba. Anal.2020, 12, 397
−401.
(20) Sagar, G. Nail sebagai Bukti dalam Toksikologi Forensik.Int. Med.-
Kaki. Laporan. J.2021,8, 99−106.
(21) Zieba-Palus, J.; Kunicki, M. Penerapan spektroskopi mikro-
FTIR, spektroskopi Raman dan metode pemeriksaan tinta XRF.
Ilmu Forensik. Int.2006,158, 164−172.
(22) Szafarska, M.; Wozniakiewicz, M.; Pilch, M.; Zięba-Palus, J.;
Kosćielniak, P. Analisis komputer spektrum ATR-FTIR sampel cat
untuk keperluan forensik.J.Mol. Struktur.2009,924-926, 504−513.
(23) Sonnex, E.; Almond, MJ; Baum, JV; Bond, JW Identifikasi uang
kertas palsu Bank of England £20 menggunakan spektroskopi IR.
Spectrochim. Acta, A Mol. Biomol. Spektroskopi.2014,118, 1158
−1163.
(24) Fredericks, P.,Analisis forensik serat dengan spektroskopi
getaran. Chalmers, JM; Edwards, HGM; Hargreaves, MD, Eds.;
John Wiley & Sons: 2012; 153−169.
(25) Kalasinsky, KS,Analisis Forensik Rambut dengan
Spektroskopi Inframerah. Chalmers, JM; Edwards, HGM;
Hargreaves, MD, Eds.; Wiley: 2012.
(26) Manheim, J.; Doti, KC; McLaughlin, G.; Lednev, IK Forensik
Rambut Diferensiasi Menggunakan Attenuated Total Reflection
Fourier Transform Infrared (ATR FT-IR) Spektroskopi.Aplikasi
Spektroskopi.2016,70, 1109.
(27) Bueno, J.; Sikirzhytski, V.; Lednev, IK Spektroskopi pemantulan
total-FT-IR total yang dilemahkan untuk analisis residu tembakan:
potensi penentuan amunisi.Anal. kimia2013,85, 7287−7294 .
22209
Artikel
(28) Giuliano, S.; Mistek-Morabito, E.; Lednev, IK Forensik
Phenotype Profiling Berdasarkan Spektroskopi Fourier Transform-
Infrared Refleksi Total yang Dilemahkan dari Darah: Usia Kronologis
Donor.ACS Omega2020,5, 27026−27031 .
(29) Mistek, E.; Halámková, L.; Lednev, IK Pembuatan profil fenotip
untuk tujuan forensik: Potensi tidak merusak di tempat kejadian
meredam refleksi total Fourier transform-infrared (ATR FT-IR)
spektroskopi noda darah.Kimia Forensik.2019,16, No. 100176.
(30) Takamura, A.; Halámková, L.; Ozawa, T.; Lednev, IK Pembuatan
Profil Fenotip untuk Tujuan Forensik: Menentukan Jenis Kelamin Donor
Berdasarkan Spektroskopi Inframerah Transformasi Fourier Jejak Urine.
Anal. kimia2019,91, 6288−6295 .
(31) Mistek-Morabito, E.; Lednev, IK Diskriminasi antara darah manusia
dan hewan dengan refleksi total yang dilemahkan Spektroskopi
inframerah transformasi Fourier.Komunal. kimia2020,3, 178.
(32) Weber, A.; Hoplight, B.; Ogilvie, R.; Muro, C.; Khandasammy,
SR; Pérez-Almodóvar, L.; Sears, S.; Lednev, IK Riset
Spektroskopi Getaran Inovatif untuk Aplikasi Forensik.Anal.
kimia2023,95, 167−205.
(33) Standar, AN,Praktik Standar untuk Identifikasi Narkoba yang
Disita. 2022.
(34) Perry, PJ; Doroudgar, S.; Van Dyke, Toksikologi Forensik
Etanol P..Selai. Acad. Hukum Psikiatri2017,45, 429−438.
(35) Hargreaves, MD, Drugs of Abuse − Penerapan FT-IR Genggam dan
Spektrometer Raman. Di dalamSpektroskopi Inframerah dan Raman
dalam Ilmu Forensik, CHalmers, JM; Edwards, HGM; Hargreeaves, MD,
Eds.; Wiley: 2012; 339−348.
(36) Dia, X.; Wang, J.; Anda, X.; Niu, F.; Kipas angin, L.; Lv, Y.
Klasifikasi heroin, metamfetamin, ketamin dan aditifnya dengan
spektroskopi inframerah dan kemometrik transformasi Fourier total
yang dilemahkan.Spectrochim. Acta A Mol. Biomol. Spektroskopi.
2020, 241, No.118665.
(37) Kranenburg, RF; Stuyver, LI; de Ridder, R.; van Beek, A.;
Colmsee, E.; van Asten, AC Penghindaran undang-undang narkotika
yang disengaja: Tren yang divisualisasikan dalam campuran
komersial zat psikoaktif baru yang dianalisis dengan GC-deposisi
padat-FTIR. Kimia Forensik.2021,25, No. 100346.
(38) Kustodio, MF; Magalhaẽs, LO; Arantes, LC; Braga, JW
B. Identifikasi Narkoba Sintetis pada Blotter Papers Sitaan
Menggunakan ATR-FTIR dan PLS-DA: Aplikasi Rutin di
Laboratorium Forensik.J.Braz. kimia Soc.2021,32, 513−522.
(39) Salerno, TMG; Donato, P.; Frison, G.; Zamengo, L.;
Mondello, L. Kromatografi Gas�Spektroskopi Inframerah
Transformasi Fourier untuk Penentuan Obat-obatan Terlarang
yang Jelas: Bukti Konsep.Depan. kimia2020,8, 624.
(40) Coopman, R.; Van de Vyver, T.; Kishabongo, AS; Katchung,
P.; Van Aken, EH; Cikomola, J.; Monteyne, T.; Speeckaert, MM; Delanghe,
JR Glycation pada potongan kuku manusia menggunakan spektrometri
ATR-FTIR, penanda baru untuk diagnosis dan pemantauan diabetes
melitus.Klinik. Biokimia.2017,50, 62−67.
(41) Biancolillo, A.; Marini, F.; Ruckebusch, C.; Vitale, R. Strategi
Kemometrik untuk Otentikasi Makanan Berbasis Spektroskopi.
Aplikasi Sains.2020,10, 6544.
(42) Rohart, F.; Gautier, B.; Singh, A.; Lê Cao, K.-A. mixOmics: Paket
R untuk pemilihan fitur 'omics dan integrasi beberapa data.
Komputasi PLoS. Biol.2017,13, No.e1005752.
(43) Robin, X.; Turck, N.; Hainar, A.; Tiberti, N.; Lisacek, F.; Sanchez,
J.-C.; Mul̈ler, M.pROC: paket sumber terbuka untuk R dan S
+ untuk menganalisis dan membandingkan kurva ROC.BMC Bioinformatika2011,12,
77.
(44) Diago, MP; Fernández-Novales, J.; Gutiérrez, S.; Maranó̃n,
M.; Tardaguila, J. Pengembangan dan Validasi Metodologi Baru untuk
Menilai Status Air Kebun Anggur dengan Spektroskopi Inframerah Dekat
On-the-Go.Depan. Tanaman Sci.2018,9, 59.
(45) Hastie, T.; Tibshirani, R.; Friedman, J.,Elemen Pembelajaran
Statistik: Penambangan Data, Inferensi, dan Prediksi; Peloncat:
2009; 764.
(46) Rubingh, CM; Bijlsma, S.; Derks, EPPA; Bobeldijk, I.;
Verheij, ER; Kochhar, S.; Smilde, AK Menilai Kinerja
https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210
ACS Omega http://pubs.acs.org/journal/acsodf Artikel

Alat Validasi Statistik untuk Data Metabolomik Megavariat.

Metabolomik2006,2, 53−61.
(47) Fawcett, T. Pengantar analisis ROC.Pengenalan Pola. Lett.
2006,27, 861−874.
(48) Lê Cao, K.-A.; Boitard, S.; Besse, P. Analisis diskriminan PLS Jarang:
pemilihan fitur yang relevan secara biologis dan tampilan grafis untuk
masalah multikelas.BMC Bioinformatika2011,12, 253.
(49) Selvam, JP; Gunasekaran, S. Analisis Biologis Kuku Orang
Sehat dan Gangguan Tiroid dengan Teknik Spektroskopi FTIR-
ATR.Int. J. PharmTech Res.2018,11, 242−252.
(50) Sundaram, K.; Gunasekaran, S.; Sailatha, E.; Marthandam, P.;
Kuppuraj, P. FTIR-ATR Teknik Spektroskopi pada Serat Rambut Utuh
Tunggal Manusia - Studi Kasus Pasien Tiroid.Int. J.Adv. Sains.
Technol. Eng. Kelola. Sains.2016,2, 2454−2356 .
(51) Bantignies, JL; Fuchs, G.; Carr, GL; Williams, GP; Lutz,
D.; Marull, S. Interaksi reagen organik dengan rambut secara spasial
ditandai dengan mikrospektroskopi inframerah menggunakan radiasi
synchrotron.Int. J.Cosmet. Sains.1998,20, 381−394.
(52) Lehtinen, J. Studi Spektroskopi Sampel Rambut, Kuku, dan Saliva
Manusia Menggunakan Deteksi Fotoakustik Berbasis Kantilever.Int. J.
Thermophys.2013,34, 1559−1568.
(53) Olsztynśka-Janus, S.; Szymborska-Małek, K.; Gąsior-
Głogowska, M.; Walski, T.; Komorowska, M.; Witkiewicz, W.;
Pezowicz, C.; Kobielarz, M.; Szotek, S. Teknik spektroskopi dalam
mempelajari jaringan manusia dan komponennya. Bagian I:
Spektroskopi IR.Acta Bioeng. biomekanik.2012,14, 101−115.
(54) Scott, DA; Renaud, DE; Krishnasamy, S.; Merik,̧ P.; Buduneli, N.;
Çetinkalp, S.̧; Liu, K.-Z. Tanda tangan molekul terkait diabetes dalam
spektrum inframerah air liur manusia.Diabetol. Metab. Syndr. 2010,
2, 48.
(55) Drotár, P.; Deteksi Dobes,̌ M. Dysgraphia melalui pembelajaran
mesin.Sains. Reputasi.2020,10, 21541.
(56) Beleites, C.; Neugebauer, U.; Bocklitz, T.; Krafft, C.; Popp, J.
Perencanaan ukuran sampel untuk model klasifikasi.Anal. Chim. Acta
2013, 760, 25−33.
(57) Pragst, F.; Yegles, M. Penentuan asam lemak etil ester (FAEE) dan etil
glukuronida (EtG) pada rambut: cara yang menjanjikan untuk deteksi Direkomendasikan oleh ACS
retrospektif penyalahgunaan alkohol selama kehamilan?Ada. Pengawasan
Narkoba.2008,30, 255.
Peran Ras/Etnisitas,Seks,dan Usia di Permukaan-Spektroskopi
Raman yang Disempurnakan-dan Spektroskopi Inframerah-
Berdasarkan Analisis Pewarna Buatan pada Rambut

Aidan P. Holman dan Dmitry Kurouski

30 MEI 2023
ACS OMEGA MEMBACA

Permukaan Sangat Sensitif-Spektroskopi Raman yang disempurnakan

untuk Analisis Korosi Permukaan Relik Perunggu Menggunakan
Poliakrilonitril/Partikel Nano Perak Polyvinylpyrrolidone...

Pengyang Li, Xiao Qi Xi,et al.

10 JANUARI 2023
ACS OMEGA MEMBACA

Analisis Spektroskopi Terahertz dari Pigmen Minium

: Bukti Rendah-Pemisahan Phonon Suhu
Na Yeon Baek, Jae Hoon Kim,et al.
31 MARET 2023
ACS OMEGA MEMBACA

Penghambatan Sinyal Substrat dalam Analisis Raman

Partikel Mikroplastik

Ahmed A. Elsayed, Tarik Bourouina,et al.

09 MARET 2023
ACS OMEGA MEMBACA

Dapatkan Lebih Banyak Saran >

22210 https://doi.org/10.1021/acsomega.3c02579
ACS Omega2023, 8, 22203−22210