Detection of caffeine metabolites in fingerprints by MALDI-MS imaging

Abstract

Spektroskopische Technologien werden seit einigen Jahrzehnten in Kombination mit hyperspektraler Bildgebung in einem breiten Anwendungsbereich für wissenschaftliche, klinische und kommerzielle Zwecke eingesetzt. Dazu gehören unter anderem Satellitenbildgebung, Qualitätskontrolle in der Lebensmittelindustrie und medizinische Diagnostik. In letzter Zeit hat die Anwendung von Massenspektrometrie und hyperspektraler Bildgebung zur Analyse menschlicher Fingerabdrücke zugenommen. Viele Studien haben gezeigt, dass es möglich ist, aus einem individuellen Fingerabdruck schnell und nichtinvasiv detaillierte Informationen zu Lebensstil, Alter, Geschlecht und sogar zu Medikamentenund Drogenkonsum zu erhalten. In dieser Arbeit wird die Analyse menschlicher Fingerabdrücke unter Verwendung von MALDI MS (Matrix Assisted Laser Desorption/Ionization Mass Spectrometry) und hyperspektralen Bildgebungstechniken zum Erkennen des Koffeinverbrauchs und zur Bestimmung der Herkunftsregion einer Person diskutiert. Um dies zu erreichen, wurde ein Experiment mit sechs Freiwilligen aus zwei Ländern durchgeführt. Die Teilnehmer wurden gebeten, ihre Fingerabdrücke zweimal vor und nach dem Kaffeegenuss zu spenden. Diese Studie demonstriert die einzelnen Schritte zur Durchführung und Analyse des Experiments, von der Erfassung der Fingerabdrücke über die Messung der Spektraldaten bis zur Interpretation der gewonnenen Daten. Die angewandten Auswertemethoden waren multiple lineare Regression, Hauptkomponentenregression und PLS/DA (Partial Least Squares Discriminant Analysis). Für jede Klassifizierungsmethode wurden zwei Modelle erstellt, um zwischen den Gruppen zu unterscheiden: Koffein / Nicht-Koffein und Personen aus verschiedenen Ländern. Die Ergebnisse zeigten eine gute Klassifizierung der Gruppen. Allerdings konnte aufgrund der experimentellen Einschränkungen und der niedrigen Probenzahl, nicht statistisch signifikant nachgewiesen werden, dass diese Ergebnisse tatsächlichen einen Unterschied zwischen den Gruppen widerspiegeln. Es ist sehr wahrscheinlich, dass diese Ergebnisse durch Überanpassung generiert wurden. Diese Schlussfolgerung wird sowohl von den statistischen Kenngrößen der eingesetzten Verfahren als auch durch die Ergebnisse der Variablenauswahl unterstützt, die von etabliertem chemischem und spektroskopischem KnowHow abweichen. In der Arbeit werden Empfehlungen für eine Verbesserung des Verfahrens diskutiert.

Spectrometry technologies combined with hyperspectral imaging have been used for decades in a wide range of applications for scientific, clinical and commercial uses. These include satellite imaging, food quality control, and pathogenic and diagnostic analysis, among others. Recently, the utilization of mass spectrometry and hyperspectral imaging with human fingerprints has increased. Many studies showed that it is possible to obtain detailed information about lifestyle, age, gender, and even medication and drug consumption quickly and noninvasively from an individual fingerprint. This study discusses analyzing human fingerprints using Matrix Assisted Laser Desorption Ionization Mass Spectrometry (MALDI MS) and hyperspectral imaging techniques to detect caffeine consumption and determine the region of origin of each person. To achieve this, an experiment with six volunteers from two countries was conducted. Participants were asked to donate their fingerprints twice, before and after coffee consumption. This study demonstrates the experiment preparation steps from fingerprint acquisition to obtaining individual spectral data, preprocessing steps applied to overcome problems and issues raised during the experiment, and classification methods. The methods used were: multivariate regression, principal components regression, and partial least square discriminant analysis. For each classification method, two models were generated to differentiate between the groups: caffeine/non caffeine and individuals from different countries. The results showed good classification of the groups, but due to experiment limitations, especially low sample number, it cant be proven that these results represent an actual difference between groups. Its highly likely these results have been generated randomly by overfitting all data points. This conclusion is supported by variable selection results which showed different variables from prior chemical knowledge, and by statistical tests results; therefore, some recommendations were discussed.