Multivariate analysis of Raman spectra applied to microbiology: Discrimination of microorganisms at the species level
P. Mobiliª, A. Londeroª, G. De Antoniª, A. Gómez–Zavagliaª, C. Araujo–Andradeb*, H. Ávila–Donosob, R. Ivanov–Tzonchevb, and I. Morenob, C. Frausto–Reyesc
ª Centro de Investigación y Desarrollo en Criotecnología de Alimentos, Conicet La Plata, Universidad Nacional de La Plata, 1900 La Plata, Argentina.
b Unidad Académica de Física de la Universidad Autónoma de Zacatecas, Calz. Solidaridad S/N, esq. Paseo de la Bufa. Zacatecas, 98060, Zac. México. *Telephone: +52 (492)9241314 ext. 2201; Fax: +52 (492) 39 407; e–mail: caraujo@fisica.uaz.edu.mx
c Centro de Investigaciones en Óptica, A.C. Unidad Aguascalientes, Ags. México.
]]>Recibido el 19 de febrero de 2010
Aceptado el 16 de junio de 2010
Abstract
In this work, multivariate methods such as: principal component analysis (PCA) and partial least square–discriminant analysis (PLS–DA), were applied for the analysis and interpretation of Raman spectra, collected from microorganisms of different species. The main objective was to develop a methodology for a rapid and free of chemical–reagents discrimination and classification of microorganism at the species level. The raw Raman spectra of microorganisms were recorded in the spectral range of 2000 to 200 cm–1. However, a detailed analysis of the results obtained by means of PCA, showed that the spectral region from 1700 to 1500 cm–1, provides chemical and biochemical information highly correlated with the species of the microorganisms analyzed in this study, allowing a clear discrimination among species. Also, in order to evaluate the capability of multivariate methods to develop a classification rule, PLS–DA in a leave–one–out–cross–validation method (LOOCV) was used for the calibration and validation of a classification model, as a first approach. The results obtained for this method, showed an acceptable classification among the strains under study. On the other hand, taken into account the complexity of microorganisms' communities and the experimental procedures for their identification, discrimination and classification, the non–destructive and versatility of Raman spectroscopy and the capability of the multivariate methods for the analysis of spectral data, result useful tools for the classification and discrimination of this kind of samples.
Keywords: Raman spectroscopy; multivariate analysis; microorganisms.
Resumen
En el presente trabajo, se describe el uso de los métodos multivariantes tales como: análisis de componentes principales (PCA) y de análisis discriminante por mínimos cuadrados parciales (PLS–DA), para el análisis e interpretación de espectros Raman, colectados de un grupo de microorganismos pertenecientes a diferentes especies. El principal objetivo de este estudio fue, sentar las bases para el desarrollo de una metodología experimental y de análisis, que permitan la discriminación y clasificación de microorganismos a nivel de especie de una forma rápida y libre de agentes reactivos. Los espectros Raman de los microorganismos, fueron colectados para su análisis en el rango de los 2000 a los 200 cm–1. Sin embargo, los resultados obtenidos mediante PCA, mostraron que la región comprendida de los 1700 a los 1500cm–1, provee información química, bioquímica y estructural, estrechamente relacionada con la especie de los microorganismos analizados en este estudio, lo cual permite su discriminación. Adicionalmente, como una primera aproximación y para evaluar la capacidad de los métodos multivariantes en la clasificación taxonómica de microorganismos, la información contenida en los espectros Raman fue utilizada para calibrar un modelo mediante PLS–DA, posteriormente validado mediante el método (LOOCV). Los resultados obtenidos por la metodología empleada, muestran una clasificación aceptable en términos de la especie para las cepas analizadas en este estudio. Por otro lado, tomando en cuenta la complejidad de las comunidades de microorganismos y los métodos experimentales actuales para su identificación, discriminación y clasificación, la versatilidad y características no–destructivas de la espectroscopia Raman, así como la capacidad de los métodos multivariantes para el análisis de datos espectrales, podemos concluir que la conjunción de ambas técnicas, representa una herramienta con un gran potencial para la discriminación y clasificación de este tipo de muestras biológicas.
]]> Descriptores: Espectroscopia Raman; análisis multivariante; microorganismos.
PACS: 87.64.K; 78.30.Er; 02.50.Sk
DESCRAGAR ARTÍCULO EN FORMATO PDF
References
1. E.W. Koneman, S.D. Allen, W.M. Janda, P.C. Schreckenberger, and W.C. Win, Color atlas and textbook of diagnostic microbiology, 5th edn. (Lippincott–Raven, New York, 2001). [ Links ]
2. S.F. Al–Khaldi and M.M. Mosoba, Nutrition 20 (2004) 32. [ Links ]
3. Y.W. Tang et al., J. Clin. Microbiol. 36 (1998) 3674. [ Links ]
4. Y.W. Tag, G.W. Procop, and D.H. Persing, Clin. Chem. 43 (1997) 2021. [ Links ]
5. D.N. Fredricks and D.A. Relman, J. Clin. Microbiol. 36 (1998) 2810. [ Links ]
6. K.B. Mullis and F.A. Faloona, Methods Enzymol. 155 (1987) 49. [ Links ]
7. P. Grabar and P. Burtin, Immunoelectrophoresis (Elsevier, Amsterdam. 1964). [ Links ]
8. M.L. Bishop, J.L. Duben–Engelkirk, and E.P. Fody, Clinical chemistry: principles, procedures and correlations, 4th edn. (Lippincott, Williams and Wilkins, London. 2000). [ Links ]
9. S.P. Mulvaney and C.D. Keating, Anal. Chem. 72 (2000) 153R. [ Links ]
10. C. Araujo Andrade, J.L. Pichardo Molina, G. Barbosa Sabanero, C. Frausto Reyes, and A. Torres Lopez, Journal of Biomedical Optics 12 (2007) 034006. [ Links ]
11. C. Araujo–Andrade, J.L. Pichardo–Molina, G. Barbosa–Sabanero, and C. Frausto–Reyes, Proc. SPIE 6863, (2008) 68630P. [ Links ]
12. G.J. Puppels etal., Nature 347 (1990) 301. [ Links ]
13. C. Sandt, T. Smith–Palmer, J. Pink, L. Brennan, and D. Pink, Journal of Applied Microbiology 103 (2007) 1808. [ Links ]
14. M. Harz et al., The Analyst 130 (2005) 1543. [ Links ]
15. N.P. Ivleva, M. Wagner, H. Horn, Reinhard, and C. Haisch, Anal. Bioanal. Chem. 393 (2009) 197. [ Links ]
16. S. Jimenez Sandoval, Microelectronic Journal 31 (2000) 419. [ Links ]
17. C. Kirshner et al., J. Clin. Microbiol. 39 (2001) 1763. [ Links ]
18. K.H. Esbensen, in: Multivariate Data Analysis – In Practice, 5th Edition (CAMO Process AS, Esbjerg, Denmark, 2005); ISBN : 82–993330–3–2. [ Links ]
19. H. Martens and T. Naes, Multivariate Calibration (Wiley, Chichester, England, 1989). [ Links ]
20. C.J. Saloff Coste, kefir (Danone World Newsletter, No. 11. 1996). [ Links ]
21. G.L. Garrote, A.G. Abraham, and G.L. De Antoni, J. Food Prot. 63 (2000) 364. [ Links ]
22. M.A. Golowczyc, P. Mobili, G.L. Garrote, A.G. Abraham, and G.L. De Antoni, Int. J. Food Microbiol. 118 (2007) 264. [ Links ]
23. G. Ottogalli, A. Galli, P. Resmini, and G. Volonterio, Annali di Microbiologia ed Enzimologia. 23 (1973) 109. [ Links ]
24. R.C. Witthuhn, T. Schoeman, and T.J. Britz, Int. J. Dair. Technol. 57 (2004) 33. [ Links ]
25. I. Molska, I. Moniuszco, K.A.M. Komorows, and V. Merilanen, Acta Alimentaria Polonica. 9 (1983) 80. [ Links ]
26. A. Zourari and E.M. Anfantakis, Le Lait. 68 (1988) 373. [ Links ]
27. G.L. Garrote, A.G. Abraham, and G.L. De Antoni, Lebensmitt. Wiss. Technol. 30 (1997) 77. [ Links ]
28. J.C. de Man, M. Rogosa, and M.E. Sharpe, J. Appl. Bacteriol. 23 (1960) 130. [ Links ]
29. P.C. Hansen, SIAM (Philadelphia, 1998). [ Links ]
30. P. Geladi and B.R. Kowalsky, Anal. Chim. Acta 185 (1986) 1. [ Links ]
31. P. Geladi and B.R. Kowalsky, Anal. Chim. Acta 185 (1986) 19. [ Links ]
32. J. De Gelder, K. De Gussem, P. Vandenabeele, P. De Vos, and L. Moens, Anal. Chim. Acta 585 (2007) 234. [ Links ]
33. K. Maquelin et al., J. Microbiol. Methods 51 (2002) 255. [ Links ]
]]>