獣医学

※プログラムによって機械的に日本語表現を生成しており、不正確な表現が含まれている場合があります。英語版ページも合わせてご参照ください。

新しい分野としてのアクアフォトミクスは、乳質分析および乳房炎(乳腺感染)診断のための近赤外分光法の応用に基づいて設立されました(Tsenkova 2006、2008、Tsenkova、Atanassova、Kawano、et al.2001、Tsenkova、Atanassova、Ozaki、et al。2001、Tsenkova、Atanassova、and Toyoda 2001、Tsenkova et al.1999)。 牛乳の成分は生理学と非常に関連しているため、この研究はさらなる生物学的研究のバックボーンとなっています。 これらの初期の発見は、NIRSによる異常診断とスペクトルの背後にある生物学の理解のための新しい場所を開き、バイオマーカーとして初めて水スペクトルパターンを提示しました(Tsenkova2006)。

この研究および同じ研究分野における他の多くの研究の結果は、診断アプリケーションに生体液および組織スペクトルのNIRデータを使用するための根拠を提供し、分子マトリックスおよび情報源としての水の重要性を明らかにしました。 動物のアクアフォトミクスに基づく病気の診断(Tsenkova 2007)は、牛乳の特定の吸水パターンに基づいて病気が検出された牛の乳房炎について最初に報告されました(Tsenkova、Atanassova、Toyoda 2001、Tsenkova、Atanassova、Kawano、et al.2001、Meilina etal。2009)、血液と尿(Tsenkova and Atanassova2002)。

乳房炎の動物の血液、牛乳、尿の水スペクトルパターンを比較すると、病気の結果として、それらすべてに共通の吸水バンドが活性化されていることが明らかになりました(Tsenkova2008)。 アクアフォトミクスはまた、排卵中のホルモンの変化が0.80ngml-1から127.88ngml-1の範囲であったとしても、尿を使用してジャイアントパンダの排卵期間を検出しました(Kinoshita etal。2010、Kinoshita et al.2012)。 木下ほか2010)。 さらなる研究により、ジャイアントパンダの排卵により水素結合種の数が増加することが明らかになりました(Kinoshita et al.2012)。

尿のNIRスペクトルに基づくボルネオオランウータン(Kinoshita etal。2016)、および牛乳のNIRスペクトルを使用した乳牛(Takemura etal。2015)の肥沃なウィンドウの決定に成功したことで、水構造の変化を 従来使用されていた試薬ベースの方法ではなく、排卵のマーカー。

Kinoshita, K., N. Kuze, T. Kobayashi, E. Miyakawa, H. Narita, M. Inoue-Murayama, G. Idani, and R. Tsenkova. 2016. “Detection of urinary estrogen conjugates and creatinine using near infrared spectroscopy in Bornean orangutans (Pongo pygmaeus).”  Primates 57 (1):51-59.

Kinoshita, K., M. Miyazaki, H. Morita, M. Vassileva, C. Tang, D. Li, O. Ishikawa, H. Kusunoki, and R. Tsenkova. 2012. “Spectral pattern of urinary water as a biomarker of estrus in the giant panda.”  Scientific reports 2.

Kinoshita, K., H. Morita, M. Miyazaki, N. Hama, H. Kanemitsu, H. Kawakami, P. Wang, O. Ishikawa, H. Kusunoki, and R. Tsenkova. 2010. “Near infrared spectroscopy of urine proves useful for estimating ovulation in giant panda (Ailuropoda melanoleuca).”  Analytical Methods 2 (11):1671-1675.

Meilina, H., S. Kuroki, B.M. Jinendra, K. Ikuta, and R. Tsenkova. 2009. “Double threshold method for mastitis diagnosis based on NIR spectra of raw milk and chemometrics.”  Biosystems engineering 104 (2):243-249.

Takemura, G., G. Bázár, K. Ikuta, E. Yamaguchi, S. Ishikawa, A. Furukawa, Y. Kubota, Z. Kovács, and R. Tsenkova. 2015. “Aquagrams of raw milk for oestrus detection in dairy cows.”  Reproduction in domestic animals 50 (3):522-525.

Tsenkova, R. 2007. “AquaPhotomics: water absorbance pattern as a biological marker for disease diagnosis and disease understanding.”  NIR news 18 (2):14-16.

Tsenkova, R, S Atanassova, K Toyoda, Y Ozaki, K Itoh, and T Fearn. 1999. “Near-infrared spectroscopy for dairy management: measurement of unhomogenized milk composition.”  Journal of Dairy Science 82 (11):2344-2351.

Tsenkova, R. 2006. “AquaPhotomics: water absorbance pattern as a biological marker.”  NIR news 17 (7):13-0. doi: 10.1255/nirn.926.

Tsenkova, R. 2008. “Aquaphotomics: acquiring spectra of various biological fluids of the same organism reveals the importance of water matrix absorbance coordinates and the aquaphotome for understanding biological phenomena.”  NIR news 19 (1):13-15.

Tsenkova, R., and S. Atanassova. 2002. “Mastitis diagnotics by near infrared spectra of cow’s milk, blood and urine using soft independent modelling of class analogy classification.” Near Infrared Spectroscopy: Proceedings of the 10th International Conference.

Tsenkova, R., S. Atanassova, S. Kawano, and K. Toyoda. 2001. “Somatic cell count determination in cow’s milk by near-infrared spectroscopy: a new diagnostic tool.”  Journal of animal science 79 (10):2550-2557.

Tsenkova, R., S. Atanassova, Y. Ozaki, K. Toyoda, and K. Itoh. 2001. “Near-infrared spectroscopy for biomonitoring: influence of somatic cell count on cow’s milk composition analysis.”  International Dairy Journal 11 (10):779-783.

Tsenkova, R., S. Atanassova, and K. Toyoda. 2001. “Near infrared spectroscopy for diagnosis: Influence of mammary gland inflammation on cow´ s milk composition measurement.”  Near Infrared Analysis 2 (1):59-66.