PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2011 | 10 | 3 |
Tytuł artykułu

Identification of selected Leuconostoc species with the use of FTIR spectroscopy and artificial neural networks

Autorzy
Warianty tytułu
PL
Identyfikacja wybranych gatunków bakterii z rodzaju Leuconostoc za pomocą spektroskopii FTIR i sztucznych sieci neuronowych
Języki publikacji
EN
Abstrakty
EN
Background. FTIR spectroscopy is becoming an important tool in the differentiation and identification of bacteria. In the present study, lactic acid bacteria of the genus Leuconostoc were differentiated and identified with the use of Fourier transform infrared spectroscopy (FTIR) and artificial neural networks (ANNs). The aim of the study was to expand the existing library of FTIR spectra of lactic acid and propionic acid bacteria, and to develop multilayer artificial neural networks as part of the same structure. Material and methods. The material for this study were 10 reference strains of the genus Leuconostoc, and 24 strains isolated from food products. The isolated pure cultures were identified with species specific pairs of primers by PCR technique, as a reference method. Bacterial strain samples were subjected to spectroscopic measurements by the transmission method at a wavelength of 4000 cm'1 to 500 cm'1 using a FTIR spectrophotometer. Digitized spectral data were submitted to neural networks training, until an error of less than 0.05 was obtained and than used for identification of isolates. Results. The utility of neural networks has been determined based on the identification of 10 reference strains and 24 bacterial strains of the genus Leuconostoc isolated from food products. The isolated strains have been identified by PCR-based method using speciesspecific primers. The use of artificial neural networks in FTIR spectral analyses as the most advanced chemometric method supported the correct identification of 83-92% bacteria of the genus Leuconostoc at the species level. Conclusions. The discussed method may be deployed in analytical laboratories for identifying lactic acid bacteria at the genus, species and subspecies level, for monitoring the purity of cultures in strain collections and for fast screening of selected bacterial groups. FTIR delivers a variety of advantages, including simple technology, low cost, high specificity and a wide range of industrial applications.
PL
Cel. Spektroskopia FTIR staje się ważnym elementem prac nad różnicowaniem oraz identyfikacją bakterii. W pracy przeprowadzono badania dotyczące różnicowania oraz identyfikacji bakterii fermentacji mlekowej z rodzaju Leuconostoc z wykorzystaniem spektroskopii w podczerwieni z transformacją Fouriera (FTIR) oraz sztucznych sieci neuronowych (ANN). Istotą przeprowadzonych badań było rozbudowanie istniejącej biblioteki widm FTIR bakterii fermentacji mlekowej i propionowej oraz opracowanie wielopoziomowych sztucznych sieci neuronowych, tworzących jedną strukturę. Materiał i metody. Materiałem do badań było 10 szczepów referencyjnych bakterii z rodzaju Leuconostoc oraz 24 szczepy wyizolowane z produktów żywnościowych. Wyizolowane czyste kultury wstępnie identyfikowano techniką PCR z wykorzystaniem specyficznych gatunkowo starterów. Pomiary spektroskopowe przygotowanych próbek szczepów bakterii wykonano metodą transmisji w zakresie długości fali od 4000 cm1 do 500 cm'1 z wykorzystaniem spektrofotometru FTIR wyposażonego w rozdzielacz wiązki (KBr) oraz detektor DTGS. Każda próbka była skanowana 64 razy przy rozdzielczości 4 cm'1 i szybkości skanera 0,5 cm/s. Wszystkie sieci neuronowe były uczone na podstawie widm FTIR bakterii referencyjnych do momentu uzyskania błędu mniejszego niż 0,05, a następnie zostały wykorzystane do identyfikacji bakterii wyizolowanych z produktów żywnościowych. Wyniki. Użytkowa wartość sieci neuronowych została ustalona na podstawie wyników identyfikacji 10 szczepów referencyjnych oraz 24 szczepów bakterii z rodzaju Leuconostoc wyizolowanych z produktów spożywczych, które zidentyfikowano na podstawie badań PCR z wykorzystaniem specyficznych gatunkowo primerów. Zastosowanie sztucznych sieci neuronowych do analizy widm FTIR, jako najbardziej zaawansowanej metody chemometrycznej, pozwoliło w 83-92% zidentyfikować poprawnie bakterie z rodzaju Leuconostoc należące do określonego gatunku. Wnioski. Metoda wykorzystana w przeprowadzonych badaniach może mieć zastosowanie w laboratoriach badawczych: do identyfikacji bakterii fermentacji mlekowej na poziomie rodzaju, gatunku i podgatunku, kontroli czystości kultur znajdujących się w kolekcji szczepów, czy szybkiego skriningu określonych grup bakterii, ale również w przemyśle spożywczym - do kontroli jakości surowców i produktów. Korzyści z zastosowania FTIR w przemyśle mogą wynikać nie tylko z prostoty techniki, niskich kosztów eksploatacji i wysokiej specyficzności, ale również z szerokiego spektrum jej zastosowania.
Słowa kluczowe
Wydawca
-
Rocznik
Tom
10
Numer
3
Opis fizyczny
p.275-285,fig.,ref.
Twórcy
autor
  • Department of Industrial and Food Microbiology, University of Warmia and Mazury in Olsztyn, Plac Cieszynski 1, 10-957 Olsztyn, Poland
Bibliografia
  • Amiel C., Mariey L., Curk-Daubie M.C., Travert J., 2000. Potentiality of Fourier Transform Infrared Spectroscopy (FTIR) for discrimination and identification of dairy Lactic acid bacteria. Le Lait 80, 445-459.
  • Amiel C., Mariey L., Denis C., Pichon P., Travert J., 2001. FTIR spectroscopy and taxonomic purpose: Contribution to the classification of lactic acid bacteria. Le Lait 81, 249-255.
  • Burbianka M., Pliszka A., 1977. Mikrobiologia żywności. Mikrobiologiczne metody badania produktów żywnościowych [Food microbiology. Methods for the microbiological analysis of food products]. PZWL Warszawa, 427-495 [in Polish].
  • Curk M.C., Peladan F., Hubert J.C., 1994. Fourier transform infrared spectroscopy for identifying Lactobacillus species. FEMS Microbiol. Lett. 123, 241-248.
  • Dziuba B., 2007. Identification of Lactobacillus strains at the species level using FTIR spectroscopy and artificial neural networks. Pol. J. Food Nutr. Sci. 57 (3), 301-306.
  • Dziuba B., Babuchowski A., Niklewicz M., Brzozowski B., 2006. FTIR spectral characteristics of Lactic Acid Bacteria - a spectral library. Milchwissen. 61 (2), 146-149.
  • Dziuba B., Babuchowski A., Nałęcz D., Niklewicz M., 2007 a. Identification of lactic acid bacteria using FTIR spectroscopy and cluster analysis. Inter. Dairy J. 17 (3), 183-189.
  • Dziuba B., Babuchowski A., Niklewicz M., 2007 b. Identification of lactic acid bacteria using FTIR spectroscopy and artificial neural networks. Milchwissen. 62 (1), 28-31.
  • Goodacre R., Timmins E.M., Rooney P.J., Rowland J.J., Kell D.B., 1996. Rapid identification of Streptococcus and enterococcus species using diffuse reflectans-absorbance Fourier transform infrared spectroscopy and artificial neural networks. FEMS Microbiol. Lett. 140, 233-239.
  • Goodacre R., Timmins E.M., Burton R., Kaderbhal N., Woodward A.M., Kell D.B., Rooney P.J., 1998. Rapid identification of urinary tract infection bacteria using hyperspectral wholeorganism fingerprinting and artificial neural networks. Microbiol. 144, 1157-1170.
  • Heim D., Labischinski H., Naumann D., 1991. Elaboration of a procedure for identification of bacteria using Fourier-Transform IR spectral libraries: a stepwise correlation approach. J. Microbiol. Meth. 14, 127-142.
  • Kirchner C., Maquelin K., Pina P., Ngo-Thi N.A., Choo-Smith L.P., Sockalingum G.D., Sandt C., Ami D., Orsini F., Pelagia F., Pelagia S.M., Allouch P., Mainfait M., Pupplem G.J., Naumann D., 2001. Classification and identification of Enerococci: a comperative phenotypic, genotypie and vibrational spectroscopy study. J. Clin. Microbiol. 39, 1763-1770.
  • Lee H-J., Park S-Y., Kim J., 2000. Multiplex PCR-based detection and identification of Leuconostoc species. FEMS Microbiol. Lett. 193, 243-247.
  • Lefier D., Lamprell H., Mazerolles G., 2000. Evolution of Lactococcus strains during ripening in Brie cheese using Fourier transform infrared spectroscopy. Le Lait 80, 247-254.
  • Macia M.C., Chenoll E., Aznar R., 2004. Simultaneous detection of Carnobacterium and Leuconostoc in meat products by multiplex PCR. J. Appl. Microbiol. 97, 384-394.
  • Mariey L., Signolle J.P., Amiel C., Travert J., 2001. Discrimination, classification, identification of microorganisms using FTIR spectroscopy and chemometrics. Vib. Spectrosc. 26, 151-159.
  • Naumann D., Labischinski H., Giesbrecht P., 1991 a. The characterization of microorganisms by Fourier-Transform Infrared Spectroscopy (FT-IR). In: Modem techniques for rapid microbiological analysis. Ed. W.H. Nelson. VCH Publ., New York, 43-96.
  • Naumann D., Heim D., Labischinski H., 1991 b. Microbiological characterizations by FT/IR spectroscopy. Nature 351, 81-82.
  • Schmitt J., Udelhoven D., Naumann D., Flemming H.C., 1998. Infrared spectroscopy: New tool in medicine. Proceedings of SPIE. 3257. Washington, 236-244.
  • Tadeusiewicz R., 1993. Sieci neuronowe [Neural networks]. Akad. Ofic. Wydawn. Warszawa [in Polish].
  • Timmins E.A., Howell S.A., Alsberg B.K., Noble W.C., Goodacre R., 1998. Rapid differentiation of closely related Candida species and strains by pyrolysis-mass spectrometry and Fourier transform-infrared spectroscopy. J. Clin. Microbiol. 36, 367-374.
  • Tintelnot K., Haase G., Seibold M., Bergmann F., Staemmler M., Franz T., Naumann D., 2000. Evaluation of phenotypic markers for selection and identification of Candida dubliniensis. J. Clin. Microbiol. 1599-1608.
  • Udelhoven T., Naumann D., Schmitt J., 2000. Development of hierarchical classification Systems with artificial neural networks and FT-IR spectra for the identification of bacteria. Apll. Spectrosc. 54, 1471-1479.
  • Weinrichter B., Luginnbuhl W., Rohm H., Jimeno J., 2001. Differentation of facultatively heterofermentative Lactobacilli from plants, milk and hard type cheeses by SDS-PAGE, RAPD, FTIR, energy source utilization and autolysis type. Lebensm. Wiss. Technol. 34, 556-566.
Uwagi
PL
Rekord w opracowaniu.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.dl-catalog-c98e5e45-7935-407f-b1a6-6bcddb996252
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.