Диссертация (1139486), страница 14
Текст из файла (страница 14)
Дефицит энергии проявляется в том, что вомногих точках контура свечение либо ослабевает, либо отсутствует, либовнутренняя и внешняя изолинии располагаются близко друг к другу (И.А.Сабитова, 2014).5.Коэффициент формы отвечает за характер усвоения организмомновой информации. Считается, что чем выше этот показатель, тем больше системфизиологической регуляции включены в процесс. Низкий коэффициент формысвязан с истощением систем регуляции (А.К. Короткова, О.В. Сорокин, 2009).6.Средний радиус изолинии оценивает «ширину» свечения вокругобъекта.7.Нормализованное среднеквадратическое отклонение (СКО) радиусаизолинии оценивает неравномерность ширины свечения по контуру.8.Длина изолинии характеризует баланс регуляции в организме.9.Энтропия по изолинии отражает сбалансированность процессоврегуляции в организме.
Согласно теореме И.Р. Пригожина (1947) длястационарногосостояния(нормы)характерноминимальноерассеиваниеэнтропии, т.е. в оптимальных условиях живой системе для поддержаниягомеостаза необходимо небольшое потребление энергии. Отклонение отстационарного состояния, проявляется нарушением гомеостаза, развитиемпатологических изменений и сопровождается добавочными энергозатратами,необходимыми для компенсации приобретенного дефекта (И.А. Сабитова, 2014).Рост этого показателя свидетельствует о росте метаболической активностиклеток; снижение – о ригидности регуляторных систем (А.К. Короткова, О.В.Сорокин, 2009).10. Фрактальность по изолинии – изрезанность внутреннего контураизображения. Ее повышение (после нагрузки) характеризует ответную реакциюорганизма по усвоению информации (меру структурного следа адаптации),снижение – неполноценное усвоение информации.74По показателям фрактальности и коэффициента формы часто оцениваютхарактер влияния на организм и подбор лекарственного препарата.11.
Среднеквадратическое отклонение (СКО) фрактальности12. Радиус вписанного круга – это среднее расстояние от центра свечениядо точек внутреннего контура. Предназначен для контроля радиуса тест-объекта.2.10. Определение электрокинетической активности клетокбуккального эпителияВосновеисследованиямикроэлектрофореза, предложенныйбиологии(г.
Харьков).лежитметодВ.Г. ШахбазовымВзятие пробывнутриклеточногов 1973 году в НИИклеток буккальногоэпителияуобследуемого осуществлялось при помощи шпателя, который предварительнообрабатывался 10% раствором «Лизоформин 3000» при комнатной температуре втечение 1 часа, а затем подвергался термической обработке в сухожаровомстерилизационный шкафу.Обследуемые тщательно прополаскивали рот дистиллированной водой.Пробу клеток получали путем легких скоблящих движений шпателя повнутренней поверхности щеки. Затем соскоб переносили со шпателя напредметное стекло, с помощью препаровальной иглы распределяли его поповерхности стекла для получения однослойного мазка клеток, добавляли 3,03мМ фосфатный буфер (pH 7,0) и 2,89 мМ хлорид кальция, что повышаетэлектропроводность и предотвращает развитие микроорганизмов, накрывалипокровнымстеклом.Вданномисследованиииспользовалсянативныйнеокрашенный материал.
Учет результатов проводили в течение ближайших 1-2часов. Литературные данные свидетельствуют, что потенциалы клеточных ядерсохраняются близкими к исходным в течение 2-3 суток (В.Г. Шахбазов, Т.В.Колупаева, А.Л. Набоков, 1986).75Препараты размещали в камере для микроэлектрофореза, полярность наэлектродах менялась с частотой 1 Гц. Камеру закрепляли на предметном столикесветового микроскопа BIOLAR PI (×400) (рисунок 2.5).Рисунок 2.5 – Исследование электрокинетической активности клетокУчитывали цельные клетки с округлыми ядрами.Живые буккальныеэпителиоциты в переменном электрическом поле совершают колебательныедвижения. В каждом из препаратов просматривали 100 клеток и более ивысчитывалипроцентноесодержаниеживыхклеток,т.е.ихэлектрокинетическую активность – ЭКА,%.2.11. Метод кристаллизации секретов больших слюнных желез иисследования морфоструктурыКристаллизация секретов больших слюнных желез осуществлялась методомоткрытой капли нативного биологического материала.
Биологический материал (5мкл) наносился в виде капли на поверхность шлифованных кварцевых стекол,которые предварительно обезжиривались, натирались замшей и помещались напредметный столик, выставленный по уровню (использовался столик длягельэлектрофореза на пластинках) и высушивались как при температуре 250 иминимальной подвижности воздуха, так и помещались в вакуумную камеру, где втечение 15 минут осуществлялась лиофильная сушка.
Все препараты готовились водинаковыхусловиях.Дляморфометрическогоанализакристаллограмм76микропрепараты сканировались и обрабатывались при помощи программыВидео-Тест (объектив х10).2.12. Метод определения кислоторастворимых нуклеотидов в секретахбольших слюнных железК наиболее активным способам фракционирования биологических молекул(белков, аминокислот, нуклеотидов) относится ионообменная хроматография,основанная на реакциях ионного обмена между анализируемым веществом иразличными ионообменниками. Ионообменники представляют собой практическинейтральные, нерастворимые в воде матрицы, имеющие положительно илиотрицательнозаряженныефункциональныегруппы.Приняторазличатьанионообменные и катионообменные адсорбенты.Вданномсульфонатныеопытегруппыиспользовалсянагидрофильноманионообменник:носителе.Приаммонийныеивзаимодействиизаряженных молекул нуклеотидов с ионообменником в ходе абсорбцииобразуются множественные электростатические связи между функциональнымигруппами на поверхности адсорбционной матрицы и группами молекулнуклеотидов, несущими противоположный заряд.
Прочность связывания каждогонуклеотида на матрице определяется рядом факторов и, в первую очередь,величиной его заряда, зависящей от pH и ионной силы протекающего раствора.Анализ нуклеотидного состава слюны проводили с использованием®автоматизированной системы FPLS200 мм с Q SepharoseSystem (Швеция) на колонке размером 10 хFast Flow для лабораторного хроматографическогоразделения белков и других биомолекул (рисунок 2.6).Для анализа использовали 600 мкл отцентрифугированного секретабольших слюнных желез.
К пробе добавляли дважды по 200 мкл охлажденнойхлорной кислоты (HClO4), раствор тщательно перемешивали и центрифугировалив течение 5 минут. После осаждения нуклеопротеидного комплекса 600 мкл77надосадочной жидкостиподщелачивали 1 Hраствором охлажденногогидроксида калия (KOH) для нейтрализации pH, центрифугировали 2-3 минуты.Рисунок 2.6 – Автоматизированная система FPLS® System (Швеция)На колонку наносили 100 мкл слюны. Скорость потока элюента составила –1,5 мл/мин.
Предварительно из ионообменника удаляли неорганические соли.Проводили промывку системы дистиллированной водой, затем 1 Н НСl,уравновешивали буферным раствором и начинали элюирование. В качествебуфера последовательно использовали ступенчатый градиент, состоящий из двухкомпонентов: А – 0,05 Н HCl и Б – 0,1 Н HCl + 0,5 М NaCl. Время выхода буфераА составляло с 0 по 8 мин, буфера Б – с 9 по 31 мин.Дляанализануклеотидногосоставаслюныпроводилосьхроматографическое разделение известных нуклеотидов, которые сопоставлялисьс нуклеотидными фракциями слюны. Количество элюированных нуклеотидовопределяли путем измерения площади пиков (%).2.13. Методы статистической обработки данныхАнализ данных проводился с использованием пакета статистическойобработки Statistica 6.1.
Для описания экспериментально полученных данныхбыли использованы дескриптивные статистики – объем выборки (подгрупп),среднее значение, стандартное отклонение. Среднее значение представлено состандартным или среднеквадратичным отклонением (СКО), а некоторых случаяхв виде пределов изменения его в 95% доверительном интервале (ДИ). Передпроведением статистического анализа было выполнено выявление выбросов на78основе усеченных средних значений (trimmed means) с долей не ниже 90%.
Есливыявлялись значительные различия в средних, осуществлялось либо повторноеизмерение параметра, и при его подтверждении полученное значение неотносилось к выбросам, либо наблюдение со всеми связанными параметрамиисключалось (из всех первоначально набранных данных доля исключенныхнаблюдений не превысила 5%).Графическоепредставлениерезультатовстатистическогоанализаосуществлялось с использованием блоковых графиков (диаграмм размаха) дляотражения параметров положения (среднего значения или медианы) и параметроврассеивания (СКО, верхней и нижней квантили, минимального и максимальногозначения в выборке).Для выявления статистически значимых различий между группамиприменяли двухвыборочный t-тест Стьюдента при нормальном распределениивыборок и равенстве дисперсий.
Для проверки равенства дисперсий в группахиспользовали F-критерия Фишера. Для проверки нормальности распределения висследуемых выборках использовалось построение гистограмм с наложениякривой нормального распределения с оценкой его параметров по выборке, а такжеграфики распределений на «вероятностной бумаге».
Решение об использованиипараметрических методов анализа принималось после анализа результатовприменения критерия Колмогорова-Смирнова с поправкой Лилиефорса длявыборок с числом наблюдений более 50. Для малых выборок был использованкритерий Шапиро-Уилка, рекомендованный в ГОСТ РИСО 5479-2002.Для сравнения исследуемых переменных в двух группах, имеющийотклонения от нормального распределения, был использован непараметрическийтест Манна-Уитни.
Интерпретация результатов этого теста соответствует tкритерию для независимых выборок, за исключением того, что U критерийвычисляется, как сумма индикаторов попарного сравнения элементов первойвыборки с элементами второй выборки. Поскольку U критерий – наиболеемощная (чувствительная) непараметрическая альтернатива t-критерия для79независимых выборок, при сравнении множества однотипных параметров в двухнезависимых выборок он использовался и в случаях, когда t-критерий мог бытьприменим.Для проверки гипотез об однородности исследуемого параметра в трех иболее несвязанных выборках был использован непараметрический аналогдисперсионного анализа основанный на статистике Крускелла-Уоллиса. В случаедостижения значения Н-критерия Крускелла-Уоллиса 5% уровня значимостипроводились множественные попарные сравнения.Для выявления взаимосвязи между исследуемыми признаками былоиспользовано вычисление линейного коэффициента корреляции Пирсона, а вслучае отсутствия согласия выборочных данных с нормальным распределениемиспользовалсяегонепараметрическийаналог–ранговыйкоэффициенткорреляции Спирмена.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
