荧光免疫层析测试生化反应过程模型与动力学分析的研究

The proposed project will develop and apply advanced signal processing technology to pre-process and analyze the available experimental time series data of the biochemical reaction process of fluorescence immunochromatographic assay (FICA). This proposal aims to develop a nonlinear dynamic model to uncover the relations between the antigen and antibody of FICA by in-deeply analyzing the mechanism of the biochemical reaction process of FICA including its uncertainty, nonlinear, noises and multiple coupling. Next, we will propose a class of time series modeling algorithms to model the FICA by considering the characteristics of time series data of the biochemical reaction process, such as short time series but high dimensionality. Moreover, we make use of the constraints variance control theory to study the developed dynamics model with model errors and stochastic disturbance. And also, the computational intelligence method will be exploited to compensate the influence of various disturbances in the system, which making the model has strong robustness and anti-interference. Furthermore, we will explore a compatible computational software package based on the previous research results and employ it to simulate, contrast and evaluate the developed model. It can guide us to optimize the design and production of the quantitative FICA, and also achieve the quantitative determination of the FICA. In conclusion, all these efforts will lead to providing a reliable quantitative determination method for the early clinical diagnosis and prompt treatment as well as promoting the achievement of science and technology with application to the area of immunoassay.

本项目通过对试验获取的时间序列数据进行处理与分析整合，深入分析荧光免疫层析测试生化反应过程的机理以及系统所具有的不确定性、非线性、噪声干扰和多重耦合等特性，建立其非线性动力学模型，揭示荧光免疫层析测试中抗原抗体反应之间相互作用、相互调控的生化反应过程；针对荧光免疫层析测试生化反应过程中数据量少但维数高等特点，提出一类适用于荧光免疫层析测试的时间序列数据分析算法，并借助于约束方差控制理论等思想对具有模型误差和随机扰动的模型进行动力学分析与综合，并利用智能计算方法对系统中存在各种干扰的影响进行补偿，使得建立的模型有较强的鲁棒性和抗干扰性。最后，设计一个功能相容的计算软件包，并通过大量试验数据对所建模型进行仿真、对比和评价，指导和优化定量免疫层析试条的设计与生产，实现荧光免疫层析的定量测试，为临床早期诊断和及时治疗提供一种可靠的定量检测方法，促进科技成果在免疫测定的广泛应用。

免疫层析测试是一种适用于现场的快速测试方法，但免疫层析生化反应过程的复杂性降低了定量测试的准确性、重复性和灵敏度。本项目围绕免疫层析生化反应模型和免疫层析定量测试理论两项重要科学问题开展研究，取得重要成果。通过本项目的研究取得了如下成果：..1. 深入分析了免疫层析测试生化反应过程的机理，建立了更贴近实际的免疫层析生化反应过程特性的非线性动力学模型。解决了免疫层析因为存在各种数据少但维数多、大量的不确定性、非线性和强耦合性导致控制模型难以建立和分析的难题。..2. 提出了一套较为完整的荧光免疫层析测试生化反应过程动力学分析理论。用实测数据对所建立的模型进行验证，将取得的理论研究成果应用于指导和优化定量免疫层析试条的设计与生产。..3. 搭建了基于图像的免疫层析定量检测装置；针对免疫层析试条图像的特点，研究并改进了图像处理（去噪/去模糊/分割）算法来提取试条图像的检测线和质控线，并实现免疫层析试条定量测定。..3. 在高水平国际刊物上发表学术论14篇，其中SCI收录论文12篇，且中科院二区以上5篇，入选ESI高被引论文2篇，被选为期刊封面1篇。..4.申请并进入进入实审的发明专利6项，其中授权1项；同时申请并授权的实用新型1项。..5.项目成果获福建省2016年科技奖自然科学类二等奖；获2016年第十二届福建省自然科学优秀学术论文二等奖。..6.培养了研究生3名。同时项目组负责人曾念寅担任了多个国际期刊的副编辑或编委，如Neurocomputing (中科院2区)，Computers in Biology and Medicine （中科院3区），Biomedical Engineering Online（中科院3区）等期刊。..7. 通过项目的执行与国内外建立了学术交流，如英国Brunel大学，韩国高等科学技术院。特别地项目负责人入选了韩国高等教育财团的国际学者交流计划。..综上，本项目的研究具有重要的理论意义与应用价值，能够为临床早期诊断和及时治疗提供一种可靠的定量检测方法，实现科研成果与实际医学检测紧密结合，促进科技成果在免疫测定的广泛应用。