Developing Novel Methods for Protein Analysis and Their Potential Implementation in Diagnosing Neurological Diseases

Trenchevska, Olgica; Aleksovski, Vasko; Nedelkov, Dobrin; Стојаноски, Киро

doi:10.5772/31731

Cited by 1 publication

(2 citation statements)

References 105 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In this paper, we describe our efforts to develop classification models based on supervised self-organizing maps [24] in order to determine (1) whether the patients have multiple sclerosis or (2) other central nervous system dysfunctions (like polyradiculoneuritis, known as Guillain-Barré syndrome, encephalitis and paraproteinemia) or (3) whether the findings belong to patients without any disorder of the central nervous system.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Optimization of supervised self-organizing maps with genetic algorithms for classification electrophoretic profiles

Tomovska

Kuzmanovski

Стојаноски

2014

Maced. J. Chem. Chem. Eng.

Self Cite

View full text Add to dashboard Cite

Standard electrophoresis methods were used to classify analyzed proteins in cerebrospinal fluid from patients with multiple sclerosis. Disc electrophoresis was carried out on polyacrylamide gels for the detection of oligoclonal IgG bands in cerebrospinal fluid, mainly from patients with multiple sclerosis and other central nervous system dysfunctions. ImageMaster 1D Elite and Gel-Pro specialized software packages were used for fast accurate image and gel analysis. The classification model was based on supervised self-organizing maps. In order to perform modeling in an automated manner, genetic algorithms were used. Using this approach and a data set composed of 69 samples, we developed models based on supervised self-organizing maps which were able to correctly classify 83% of the samples in the data set used for external validation.Keywords: disc electrophoresis; cerebrospinal fluid; protein analysis; supervised self-organizing maps ОПТИМИЗАЦИЈА НА САМООРГАНИЗИРАНИ МАПИ ТРЕНИРАНИ СО НАДГЛЕДУВАНО УЧЕЊЕ СО ГЕНЕТСКИ АЛГОРИТМИ ЗА КЛАСИФИКАЦИЈА НА ЕЛЕКТРОФОРЕТСКИ ПРОФИЛИСтандардна електрофоретска метода беше користена за анализа на протеините во церебро-спиналниот ликвор кај пациенти претежно со мултипла склероза, но и со други заболувања на централниот нервен систем, со намера да се изврши класификација на експерименталните резул-тати. За оваа намена беше користена диск-електрофорезата за детекција на олигоклонални IgG ленти во електрофореграмите добиени со гел-електрофореза. Анализата на електрофореграмите беше направена со специјализираниот софтвер ImageMaster 1D Elite и софтверскиот пакет GelPro. За класификација на добиените експериментални резултати беа користени самоорганизирани мапи тренирани со надгледувано учење. За да се автоматизира моделирањето, беше користен генет-скиот алгоритам. Користејќи го овој пристап и податоците од 69 примероци за анализа, добивме модели базирани на самоорганизирани мапи, со кои може коректно да се класифицираат 83 % од податоците користени за екстерна валидација.Клучни зборови: диск-електрофореза; церебрален флуид; анализа на протеини; самоорганизирани мапи тренирани со надгледувано учење

show abstract

Section: Introductionmentioning

confidence: 99%

“…Standard electrophoresis methods and many emerging approaches such as lab-on-a-chip methods are well known for protein detection and analysis of cerebrospinal fluid (CSF) [1][2][3][4][5]. Proteomics technologies have been widely used in the investigation of neurodegenerative and psychiatric disorders.…”

Section: Introductionmentioning

confidence: 99%