Способ количественной оценки накопления металлов в организме человека при полиметаллическом загрязнении компонентов урбоэкосистемы

Повышенное содержание металлов в биологических субстратах организма является показателем хронического кумулятивного воздействия неблагоприятных условий среды обитания. В статье представлены результаты исследования количественного состава биологических субстратов организма человека в качестве информативной характеристики состояния компонентов урбоэкосистемы. Прямая оценка накопления металлов в организме с непосредственным определением концентраций в биосубстратах является сложной многоуровневой аналитической процедурой. Поставлена задача создания простого способа определения содержания металлов в биологических субстратах с использованием возможностей нейросетевых методов, в результате решения которой представлена комплексная нейросетевая модель оценки накопления металлов в организме при их избыточном поступлении из среды обитания. Модель позволяет рассчитывать содержание металлов при поступлении воздушным и водно-пищевым путем без использования инвазивных процедур отбора биоматериалов и сложных процедур пробоподготовки и анализа. Кроме того, предложенная модель позволяет решать и обратные задачи определения порогового содержания металлов в компонентах урбоэкосистемы.

1. Mandlate J.S., Soares B.M., Andrade C.F.F., Colling L.A., Primel E.G., Mesko M.F., Duarte F.A. Determination of trace elements in Sergio mirim: An evaluation of sample preparation methods and detection techniques // Environ. Sci. Pollut. Res. 2020. V. 17, No 27. P. 21914–21923. https://doi.org/10.1007/s11356-020-08766-5.

2. Matloob M.H. Determination of cadmium, lead, copper and zinc in Yemeni khat by anodic stripping voltammetry // East. Mediterr. Health J. 2003. V. 9, No 1–2. P. 28–36. https://doi.org/10.26719/2003.9.1–2.28.

3. Авцын А.П., Жаворонков А.А., Риш М.А., Строчкова Л.С. Микроэлементозы человека: этиология, классификация, органопатология. М.: Медицина, 1991. 496 с.

4. Скальный А.В. Химические элементы в физиологии и экологии человека. М.: Оникс 21 век, 2004. 216 с.

5. Ali H., Khan E. Environmental chemistry in the twenty-first century // Environ. Chem. Lett. 2017. V. 15, No 2. P. 329–346. https://doi.org/10.1007/s10311-016-0601-3.

6. Боев В.М., Верещагин Н.Н., Скачкова М.А., Быстрых В.В., Скачков М.В. Экология человека на урбанизированных и сельских территориях. Оренбург: Оренбург. кн. изд-во, 2003. 392 с.

7. Assessing Human Health Risks of Chemicals: Derivation of Guidance Values for Health-Based Exposure Limits. Ser.: Environmental Health Criteria. No 170. Geneva: W. H. O., 1994. 45 p.

8. Eisenstein E.M., Eisenstein D. A behavioral homeostasis theory of habituation and sensitization: II. Further developments and predictions // Rev. Neurosci. 2006. V. 5, No 17. P. 533–557. https://doi.org/10.1515/REVNEURO.2006.17.5.533.

9. Веремчук Л.В., Черпак Н.А., Гвозденко Т.А., Волкова М.В. Методология оценки влияния загрязнения атмосферного воздуха на формирование уровней общей заболеваемости бронхиальной астмой // Гигиена и санитария. 2015. Т. 3, № 94. С. 119–122.

10. Biomarkers and Risk Assessment: Concepts and Principles. Ser.: Environmental Health Criteria. No 155. Geneva: W. H. O., 1993. 86 p.

11. Okosa I., Paul T., IkechukwuEdeh C.E., Ehiomogue P., Emeka-Chris C.C., Okereke A.C. Ecological and health risk assessment of heavy metals: A case study of residential waste sites in Umuahia, South-East Nigeria // Environ. Monit. Assess. 2023. V. 195, No 3. Art. 390. https://doi.org/10.1007/s10661-023-10930-6.

12. Rahim M., Ullah I., Khan A., Haris M.R.H.M. Health risk from heavy metals via consumption of food crops in the vicinity of district Shangla // J. Chem. Soc. Pak. 2016. V. 38, No 1. P. 177–185.

13. Prejac J., Višnjević V., Skalny A.A., Grabeklis A.R., Mimica N., Momčilović B. Hair for a long-term biological indicator tissue for assessing the strontium nutritional status of men and women // J. Trace Elem. Med. Biol. 2017. V 42. P. 11–17. https://doi.org/10.1016/j.jtemb.2017.02.015.

14. Veremchuk L.V., Mineeva E.E., Vitkina T.I., Gvozdenko T.A., Golokhvast K.S. Impact of atmospheric microparticles and heavy metals on external respiration function of urbanized territory population // Russ. Open Med. J. 2017. V. 6, No 4. Art. e0402. https://doi.org/10.15275/rusomj.2017.0402.

15. Momčilović B., Prejac J., Skalny A.V., Mimica N. In search of decoding the syntax of the bioelements in human hair – a critical overview // J. Trace Elem. Med. Biol. 2018. V. 50. P. 543–553. https://doi.org/10.1016/j.jtemb.2018.03.016.

16. Coelho P., Costa S., Silva S., Walter A., Ranville J., Sousa A.C.A., Costa C., Coelho M., Garcia-Leston J., Pastorinho M.R., Laffon B., Pasaro E., Harrington C., Taylor A., Teixeira J.P. Metal(loid) levels in biological matrices from human populations exposed to mining contamination – Panasqueira Mine (Portugal) // J. Toxicol. Environ. Health, Part A. 2012. V. 75, No 13–15. P. 893–908. https://doi.org/10.1080/15287394.2012.690705.

17. Забродский П.Ф. Влияние ксенобиотиков на иммунный гомеостаз // Общая токсикология / под ред. Б.А. Курляндского, В.А. Филова. М.: Медицина, 2002. С. 352–384.

18. Widdowson E.M. Absorption, excretion and storage of trace elements: Studies over 50 years // Food Chem. 1992. V. 43, No 3. P. 203–207. https://doi.org/10.1016/0308-8146(92)90174-Z.

19. Rehman K., Fatima F., Waheed I., Akash M.S.H. Prevalence of exposure of heavy metals and their impact on health consequences // J. Cell. Biochem. 2018. V. 119, No 1. P. 157–184. https://doi.org/10.1002/jcb.26234.

20. Ye J., Medzhitov R. Control strategies in systemic metabolism // Nat. Metab. 2019. V. 1, No 10. P. 947–957. https://doi.org/10.1038/s42255-019-0118-8.

21. Torday J.S. A central theory of biology // Med. Hypotheses. 2015. V. 85, No 1. P. 49–57. https://doi.org/10.1016/j.mehy.2015.03.019.

22. Goldstein D.S. How does homeostasis happen? Integrative physiological, systems biological, and evolutionary perspectives // Am. J. Physiol.: Regul., Integr. Comp. Physiol. 2019. V. 316, No 4. P. R301–R317. https://doi.org/10.1152/ajpregu.00396.2018.

23. Бобкова И.Н., Камышова Е.С., Чеботарева Н.В. Проба Реберга – Тареева в оценке скорости клубочковой фильтрации // Терапевтический архив. 2021. Т. 93, вып. 10. С. 1246–1248. https://doi.org/10.26442/00403660.2021.10.201119.

24. Dongarrà G., Lombardo M., Tamburo E., Varrica D., Cibella F., Cuttitta G. Concentration and reference interval of trace elements in human hair from students living in Palermo, Sicily (Italy) // Environ. Toxicol. Pharmacol. 2011. V. 32, No 1. P. 27–34. https://doi.org/10.1016/j.etap.2011.03.003.

25. Pottel H., Vrydags N., Mahieu B., Vandewynckele E., Croes K., Martens F. Establishing age/sex related serum creatinine reference intervals from hospital laboratory data based on different statistical methods // Clin. Chim. Acta. 2008. V. 396, No 1–2. P. 49–55. https://doi.org/10.1016/j.cca.2008.06.017.

26. Joubaud P. Variations en fonction de l’âge et du sexe de la clairance de la créatinine estimée selon Cockcroft et Gault dans une population sélectionnée d’adultes non hospitalisés // Ann. Biol. Clin. 2004. V. 62, No 5. P. 547–554.

27. Forni Ogna V., Ogna A., Vuistiner P., Pruijm M., Ponte B., Ackermann D., Gabutti L., Vakilzadeh N., Mohaupt M., Martin P.-Y., Guessous I., Pechere-Bertschi A., Paccaud F., Bochud M., Burnier M. New anthropometry-based age- and sex-specific reference valuesfor urinary 24-hour creatinine excretion based on the adult Swiss population // BMC Med. 2015. V. 13, No 1. Art. 40. https://doi.org/10.1186/s12916-015-0275-x.

28. Руководство по контролю загрязнения атмосферы (в редакции РД 52.04.667-2005), 1991. 615 с.

29. Tunakova Yu., Novikova S., Krasnyuk I., Faizullin R., Gabdrakhmanova G. Neural network self-learning model for complex assessment of drinking water safety for consumers // BioNanoScience. 2018. V. 8, No 2. P. 504–510. https://doi.org/10.1007/s12668-017-0486-z.

30. Buhrmester V., Münch D., Arens M. Analysis of explainers of black box deep neural networks for computer vision: A survey // Mach. Learn. Knowl. Extr. 2021. V. 3, No 4. P. 966–989. https://doi.org/10.3390/make3040048.

31. Fallah N., Gu H., Mohammad K., Seyyedsalehi S.A., Nourijelyani K., Eshraghian M.R. Nonlinear Poisson regression using neural networks: A simulation study // Neural Comput. Appl. 2009. V. 18, No 8. P. 939–943. https://doi.org/10.1007/s00521-009-0277-8.

32. Yotov K., Hadzhikolev E., Hadzhikoleva S., Cheresharov S. Finding the optimal topology of an approximating neural network // Mathematics. 2023. V. 11, No 1. Art. 217. https://doi.org/10.3390/math11010217.