การแยกประเภทของนิวคลีโอไทด์โดยใช้เซนเซอร์แอเรย์ผ่านวิธีวิเคราะห์องค์ประกอบหลัก (DISCRIMINATION OF NUCLEOTIDES IN AQUEOUS SOLUTION BY THE SENSOR ARRAYS VIA PCA METHOD)

Abstract

บทคัดย่อ

     ในงานวิจัยนี้มีจุดมุ่งหมายเพื่อการออกแบบและสังเคราะห์โมเลกุลเซนเซอร์ที่มีอนุพันธ์ของไพรีนและคูมารินเป็นองค์ประกอบ (Pydpa และ Es) สำหรับใช้ในการแยกประเภทของนิวคลีโอไทด์โดยใช้การวิเคราะห์องค์ประกอบหลัก (Principal Component Analysis, PCA) ในขั้นต้นได้เตรียมสารประกอบเชิงซ้อนของเซนเซอร์โมเลกุล Pydpa-Zn, Pydpa-Cu, Es-Zn และ Es-Cu เพื่อที่จะใช้จับกับนิวคลีโอไทด์ ซึ่งหมู่ฟอสเฟตของนิวคลีโอไทด์ สามารถเกิดอันตรกิริยาทางไฟฟ้าสถิตกับสารประกอบเชิงซ้อนของเซนเซอร์โมเลกุลได้ จากนั้นได้ศึกษาความสามารถในการเกิดสารประกอบเชิงซ้อน โดยใช้เทคนิคฟลูออเรสเซนต์สเปกโทรโฟโตเมทตรี พบว่า Pydpa-Zn, Es-Zn และ Es-Cu มีความจำเพาะต่อ PPi ได้ค่าคงที่การจับ (log K) ของ Pydpa-Zn, Es-Zn และ Es-Cuกับ PPi เท่ากับ 8.83, 5.23 และ 4.64 ตามลำดับ นอกจากนี้ได้นำ PCA มาใช้แยกประเภทของนิวคลีโอไทด์ ซึ่งเป็นที่น่าสนใจว่าข้อมูลที่ศึกษาได้จากการใช้เซนเซอร์แอเรย์ Pydpa-Zn / Es-Znหรือ Es-Zn / Es-Cu พบว่าสามารถแยกแยะกลุ่มของนิวคลีโอไทด์ ATP, UTP, ADP, UDP และ GDP ได้อย่างชัดเจน

Abstract

      This research aims to design and synthesize sensors containing pyrene and coumarin derivatives (Pydpa and Es) and then apply the sensory molecule to discriminate various nucleotides in aqueous solution by Principle Component Analysis (PCA). Initially, the complexation of Pydpa-Zn, Pydpa-Cu, Es-Zn, and Es-Cu were prepared as the sensory molecules to coordinate the phosphate anion based nucleotides undergone the electrostatic interaction. The complexation studies of sensors were carried out by Fluorescence Spectrophotometry. It was found that Pydpa-Zn, Es-Zn, and Es-Cu showed selectively to PPi. The log K values of Pydpa-Zn, Es-Zn, and Es-Cu towards PPi were 8.83, 5.23 and 4.64, respectively. In addition, PCA analysis was applied to classify the types of nucleotides. Interestingly, the combinatorial data obtained by the sensor arrays of Pydpa-Zn / Es-Zn or Es-Zn / Es-Cu in the attribution of PCA method could obviously discriminate ATP, UTP, ADP, UDP and GDP.