Identification of Lactobacillus strains at the species level using FTIR spectroscopy and artificial neural networks

• Autorzy: Dziuba B.

Warianty tytułu

PL

Identyfikacja bakterii z rodzaju Lactobacillus na poziomie gatunku za pomoca spektroskopii FTIR i sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

Fourier-transform infrared (FTIR) spectroscopy and artificial neural networks were used to identify bacteria of the genus Lactobacillus at the species level. A previously developed method for measuring FTIR spectra, and a strategy for their analysis provided the basis for selecting the FTIR spectra of the tested bacteria, and for creating a spectral library, as described elsewhere [Dziuba et al., 2007b]. In our previous study [Dziuba et al., 2007b] we demonstrated that the FTIR spectral characteristics of Lactobacillus strains based exclusively on the differentiation index D, calculated from the Pearson’s correlation coefficient, and cluster analysis are not sufficient to describe the relationships between FTIR spectra and bacteria as molecular systems in a way that would permit their proper identification. Thus, research was launched in which the spectra collected in the above library were used for developing artificial neural networks. The practical value of these networks was verified based on the results of identification of 17 bacterial strains of known taxonomy as well as 7 strains isolated from dairy products and identified on the basis of their taxonomy and biochemical tests. The application of artificial neural networks, i.e. the most advanced chemometric method, to analysis of FTIR spectra enabled correct identification of 93% of bacterial strains of the genus Lactobacillus.

PL

W pracy podjęto badania nad wykorzystaniem spektroskopii w podczerwieni z transformacją Fouriera (FTIR) oraz sztucznych sieci neuronowych (artificial neural networks) do identyfikacji bakterii z rodzaju Lactobacillus na poziomie gatunku. Metodyka pomiaru widm FTIR oraz strategia ich analizy wykorzystane zostały do selekcji widm FTIR badanych bakterii i utworzenia biblioteki widm, tak jak opisano w naszej poprzedniej pracy [Dziuba et al., 2007b]. W badaniach tych [Dziuba et al., 2007b] stwierdziliśmy, że charakterystyka widm FTIR bakterii z rodzaju Lactobacillus, jedynie w oparciu o współczynnik różnicowania D, obliczony na podstawie korelacji Pearsona oraz analiza skupień, nie są wystarczające do takiego opisania zależności pomiędzy widmami FTIR a bakteriami jako systemami molekularnymi, by możliwa była ich poprawna identyfikacja. Podjęto więc badania, w których zgromadzone w bibliotece widma zostały wykorzystane do opracowania sztucznych sieci neuronowych. Użytkowa wartość sieci neuronowych została ustalona na podstawie wyników identyfikacji 21 szczepów bakterii o znanej taksonomii, oraz 7 szczepów wyizolowanych z produktów mlecznych i zidentyfikowanych na podstawie ich taksonomii i testów biochemicznych. Zastosowanie sztucznych sieci neuronowych do analizy widm FTIR, jako najbardziej zaawansowanej metody chemometrycznej, pozwoliło poprawnie zidentyfikować w 93% szczepy bakterii z rodzaju Lactobacillus. W przypadku trzech szczepów sieć nie potrafiła jednoznacznie określić ich nazwy taksonomicznej. Wynik ten można poprawić poprzez zwiększenie liczby szczepów reprezentujących poszczególne gatunki, najlepiej o tak zwane szczepy typowe. Przyszłościowym rozwiązaniem powyższego problemu jest zbudowanie wielopoziomowych sztucznych sieci neuronowych, tworzących jedną strukturę. Tak zorganizowane sztuczne sieci neuronowe identyfikowałyby mikroorganizmy na różnych poziomach taksonomicznych.

Słowa kluczowe

EN

Fourier transform infrared spectroscopy; artificial neural network; bacteria; identification; Lactobacillus; species level

• Wydawca: -
• Czasopismo: Polish Journal of Food and Nutrition Sciences
• Rocznik: 2007
• Tom: 57
• Numer: 3
• Opis fizyczny: p.301-306,ref.

Twórcy

autor

Dziuba B.

• University of Warmia and Mazury in Olsztyn, Cieszynski Square 1, 10-957 Olsztyn, Poland

Bibliografia

• 1. Amiel C., Mariey L., Denis C., Pichon P., Travert J., FTIR spectroscopy and taxonomic purpose: Contribution to the classification of lactic acid bacteria. Le Lait, 2001, 81, 249–255.
• 2. Amiel C., Mariey L., Curk-Daubie M.C., Travert J., Potentiality of Fourier Transform Infrared Spectroscopy (FTIR) for discrimination and identification of dairy Lactic acid bacteria. Le Lait, 2000, 80, 445–459.
• 3. Beattie S.H., Holt C., Hirst D., Williams A.G., Discrimination among Bacillus cereus, B. mycoides and B. thuringiensis and some other species of the genus Bacillus by Fourier transform infrared spectroscopy. FEMS Microbiol. Lett., 1998, 164, 201–206.
• 4. Bishop C.M., Neural Networks for Pattern Recognition, 1995, Oxford Univ. Press, New York, pp. 364–368.
• 5. Curk M.C., Peladan F., Hubert J.C., Fourier transform infrared spectroscopy for identifying Lactobacillus species. FEMS Microbiol. Lett., 1994, 123, 241–248.
• 6. Dziuba B., Babuchowski A., Niklewicz M., Brzozowski B., FTIR spectral characteristics of lactic acid bacteria – a spectral library. Milchwissenschaft, 2006, 61, 146–149.
• 7. Dziuba B., Babuchowski A., Dziuba M., Nałęcz D., Identification of lactic acid bacteria using FTIR spectroscopy and artificial neural networks. Milchwissenschaft, 2007a, 62, 28–31.
• 8. Dziuba B., Babuchowski A., Dziuba M., Nałęcz D., Identification of lactic acid bacteria using FTIR spectroscopy and cluster analysis. Int. Dairy J., 2007b, 17, 183–189.
• 9. Goodacre R., Timmins E.M., Burton R., Kaderbhal N., Woodward A., Kell D.B., Rooney P.J., Rapid identification of urinary tract infection bacteria using hyperspectral whole-organism fingerprinting and artificial neural networks. Microbiology, 1998, 144, 1157–1170.
• 10. Helm D., Labischinski H., Nauman D., Elaboration of a procedure for identification of bacteria using Fourier-Transform IR spectral libraries: a stepwise correlation approach. J. Microbiol. Meth., 1991, 14, 127–142.
• 11. Johnsen K., Nielsen P., Diversity of Pseudomonas strains isolated with King’s B and Gould’s S1 agar determined by repetitive extragenic palindromic-polymerase chain reaction, 16S rDNA sequencing and Fourier transform infrared spectroscopy characterisation. FEMS Microbiol. Lett., 1999, 173, 155.
• 12. Kirchner C., Ngo Thi N.A., Naumann D., FT-IR microscopy: A rapid method for classifying microorganisms. 1999, in: Spectroscopy of Biological Molecules: New Directions (eds. J. Greve, G.J. Puppels, C. Otto). Kluwer Academic Publishers, Dordrecht, pp. 557–558.
• 13. Kummerle M., Scherer S., Seiler H., Rapid and reliable identification of fermentative yeasts by Fourier-transform infrared spectroscopy. Appl. Environ. Microbiol., 1998, 64, 2207–2214.
• 14. Lefier D., Hirst D., Holt C., Williams A.G., Effect of sampling procedure and strain variation in Listeria monocytogenes on the discrimination of species in the genus Listeria by Fourier transform infrared spectroscopy and canonical variates analysis. FEMS Microbiol. Lett., 1997, 147, 45–50.
• 15. Lefier D., Lamprell H., Mazerolles G., Evolution of Lactococcus strains during ripening in Brie cheese using Fourier transform infrared spectroscopy. Le Lait, 2000, 80, 247–254.
• 16. Nauman D., Infrared spectroscopy in microbiology. 2000, in: Encyclopedia of Analytical Chemistry (ed. R.A. Meyers). John Wiley & Sons, Ltd., Chichester, pp. 102–131.
• 17. Speckt D.F., Probabilistic neural networks. Neural Networks, 1990, 3, 109–118.
• 18. Timmins E.A., Quain D.E., Goodacre R., Differentiation of brewing yeast strains by pyrolysis mass spectrometry and Fourier transform infrared spectroscopy. Yeast, 1998, 14, 885–893.
• 19. Tintelnot K., Haase G., Seibold M., Bergmann F., Staemmler M., Franz T., Nauman D., Evaluation of phenotypic markers for selection and identification of Candida dubliniens. J. Clin. Microbiol., 2000, 46, 1599–1608.
• 20. Udelhoven T., Nauman D., Schmitt J., Development of a hierarchical classification systems with artificial neural networks and FTIR spectra fort he identification of bacteria. Appl. Spectroscopy, 2000, 54, 1471–1479.
• 21. Weinrichter B., Luginbuhl W., Rohm H., Jimeno J., Differentiation of facultatively heterofermentative Lactobacilli from plants, milk and hard type cheeses by SDS-PAGE, RAPD, FTIR, energy source utilisation and autolysis type. Lebens. Wiss. Technol., 2001, 34, 556–566.