Разработка классификационных схем микроорганизмов долгое время основывалась главным образом на культурально-биохимических признаках, оцениваемых качественно. В последнее время наблюдается тенденция к комплексному использованию различных методов при таксономических исследованиях. Большой интерес среди биохимических критериев представляет разностороннее изучение состава и функциональной значимости белковых спектров бактериальных клеток.
При сравнительном изучении белков бактерий исследователи активно используют методы гель-электрофореза.
Данные о таксономической ценности электрофоретических спектров бактериальных белков стали накапливаться с начала 60-х годов. Основные работы выполнялись на так называемых «суммарных растворимых белках», составляющих лишь некоторую, обезличенную часть белкового пула бактерий. Недостаточность таких данных для суждения о таксономическом статусе культур отмечал А. Н. Белозерский с соавторами, подчеркивая необходимость комплексного изучения белков, в том числе и находящихся в клетке в связанном состоянии.
Немногочисленные в настоящее время работы по изучению спектров рибосомных белков показывают, что они в основном значимы для таксонов более высокого ранга (род, семейство, порядок). Дальнейшее накопление данных представляет несомненную научную ценность в сравнительно-физиологическом исследовании белковых систем бактериальной клетки. Мембранные белковые спектры в большинстве случаев отражают видоспецифические особенности и могут быть использованы в сравнительных и таксономических исследованиях микроорганизмов. Возможность штаммового типирования (маркирования) стафилококков по спектру внеклеточных белков представляет интерес для эпидемиологии.
Доминирующее использование в комплексных исследованиях белковых систем микробной клетки ручных методов сопоставления электрофоретических спектров значительно затрудняет проведение сравнительного анализа больших групп микроорганизмов. Автоматизированный анализ электрофореграмм возможен с помощью ЭВМ, причем использование внешних накопительных устройств 3-го и 4-го уровней автоматизированного рабочего места (НМД и НМЛ) позволяет организовать банки данных электрофоретических спектров.
Применение ЭВМ для обработки и сопоставления электрофоретических спектров по параметру Rj было показано на примере автоматического анализа фотографий белковых спектров стафилококков. Дальнейшее развитие этого направления позволило разработать анализатор электрофореграмм, осуществить его «привязку» к многоуровневой вычислительной системе и апробировать несколько вариантов алгоритмов для автоматического сопоставления денситограмм электрофоретических спектров.
Отличительной особенностью автоматизированного рабочего места, представленного на рис. 22, является возможность получения двух вариантов количественной оценки степени близости сопоставляемых денситограмм. Первый вариант основан на использовании коэффициентов подобия. Достоверность автоматического сопоставления этих коэффициентов определяется надежностью работы алгоритма поиска информативных пиков (см. рис. 24, блок 5), позволяющего отыскать на многоэкстремальной кривой «истинные» пики и отсеять «ложные».
Во втором варианте используется метод корреляционного анализа, включающего нахождение корреляционной и автокорреляционной функций. В этом случае денситограмма рассматривается как набор случайных функций х1(t), x2(t), …, xn(t); определяются их вероятностные характеристики, такие, как центральные моменты первого и второго порядка: математическое ожидание т (t) = M[x(t)]; корреляционная функция R(т) = = R(t1, t2) = m0(t1, t2) = M([x(t1)-m(t1)][x(t2)-m(t2)]). Она оценивается по дискретному аналогу формулы
Автокорреляционная функция, как известно, характеризует статистическую связь последующих и предыдущих значений случайной функции, иными словами, «степень случайности» рассматриваемого процесса. Чем быстрее убывает корреляционная функция при возрастании т, тем быстрее изменяется случайная функция, тем слабее связь между ее последующими и предыдущими значениями. Если же корреляционная функция с возрастанием т убывает медленно, это означает, что последующие и предыдущие значения тесно связаны и реализации случайной функции изменяются относительно медленно. Корреляционная функция какого-либо процесса позволяет судить о наличии в этом процессе периодических составляющих. В процессе, не содержащем периодических составляющих, корреляционная функция имеет вид экспоненциальной кривой.
Значения коэффициентов автокорреляционной функции денситограмм были получены с помощью программы, реализующей алгоритм фильтрации высокочастотных составляющих (рис. 24, блок 4). Метод автокорреляционного анализа был апробирован при составлении белковых спектров стафилококков. На рис. 25, а представлена совокупность денситограмм спектров мембранных белков, у которых была вычислена автокорреляционная функция.
Рис. 25. Пример использования АРМа «Электрофорез» для анализа мембранных белков: а — денситограммы спектров мембранных белков; б — результаты автокорреляционной обработки денситограмм
Получение представленной формы документа обеспечивается программным модулем АРМа (2-й уровень, блок 3, рис. 24), что дает возможность выводить из ОЗУ ЭВМ на планшетный самописец информацию о белковом спектре в виде графика. Такая форма документа успешно использовалась для качественного сопоставления денситограмм, в результате чего стафилококки можно было разделить по спектрам мембранных белков (соответствующими их видовой принадлежности) в условиях «зашумленности» денситограмм (рис. 25,б).
Разработанное автоматизированное рабочее место может использоваться не только в таксономических исследованиях, но и для решения ряда других задач физико-химической биологии и биотехнологии.