Eksplorativ analyse av EPR-spektre av alanin og Gorilla® Glass

Abstract

Elektron Paramagnetisk Resonans (EPR) spektroskopi er en måleteknikk som tar opp spektre som kan brukes til å estimere absorbert stråledose, såkalt EPR-dosimetri. EPR-dosimetri måler mengden frie radikaler i et materiale, som er proporsjonalt med den absorberte dosen. De fleste frie radikaler er kortlivede ved romtemperatur, dette er en utfordring ved EPR-dosimetri. Et materiale som ofte brukes i dosimetri er aminosyren L-α-alanin. Alanin egner seg for planlagte eksponeringer, men ikke nødvendigvis ved uforutsette eksponeringer. Et materiale som kan egne seg til dette er Gorilla® Glass, som brukes i dagens berøringsskjermer.

I denne oppgaven studeres EPR-spektre av bestrålt alanin og Gorilla® Glass. Alanin datasettet inneholder EPR-spektre av 19 bestrålte alaninprøver utsatt for varierende temperatur og oppvarmingstid. Det antas at minst tre radikaler (R1, R2 og R3) dannes og at disse påvirkes ulikt av oppvarming. Hensikten med denne oppgaven har vært å identifisere EPR-spektrene til disse tre radikalene ved hjelp av flere statistiske metoder for dekomponering av EPR-spektrene i ladninger og skårer. Ladningene fra de ulike metodene har blitt analysert med mål å finne ut om de ligner på de teoretiske radikalspektrene som er funnet fra målinger og kvantemekaniske simuleringer.

Metodene flervariabel kurveoppløsning (MCR), faktoranalyse (MLCFA) og selvmodellerings miksturanalyse (SMA) gir estimater av radikalspektre som til en viss grad ligner på de teoretiske spektrene og kan dermed egne seg til å estimere formen til radikalspektrene. Derimot klarer ikke metodene prinsipalkomponent analyse (PCA) og uavhengig komponentanalyse (ICA) å identifisere alle tre radikalspektrene. EPR-spektrene til alanin har blitt preprosessert med flere teknikker uten at det har gitt stor påvirkning på de identifiserte komponentene.

Det er vist at andelen til R1-radikalet avtar, mens andelen R2- og R3-radikaler øker ved lengre oppvarmingstid. De estimerte prosentandelene stemmer ikke med tidligere studier.

Gorilla® Glass datasettet består av EPR-spektre av ni prøver av Gorilla® Glass bestrålt med ulike doser fra 0-10 Gy. Hensikten med denne oppgaven har vært å lage regresjonsmodeller basert på EPR-spektre for å estimere doser gitt til berøringsskjermer, samt å lage klassifiseringsmodeller for å dele prøvene inn i grupper basert på doser.

Prinsipalkomponentregresjon (PCR) og delvis minste kvadraters metode (PLS) gir nesten identiske regresjonsmodeller og begge fungerer delvis til å estimere doser ved utelatt en kryss-validering (LOOCV). Minste kvadraters metode overtilpasser prøvene og bør derfor ikke brukes.

Variabelseleksjon utført ved lasso, intervall PLS (IPLS) og variansanalyse for å velge variablene som gir best doseestimeringer, førte til feilestimering av dosene.

Ved kryssvalidering klarte lineær diskriminant analyse (LDA) med Mahalanobis distanse å estimere prøvenes klassetilhørighet i en lav- eller høydosegruppe med en nøyaktighet på 100%, mens PLS diskriminant analyse (PLSDA) og K-gjennomsnitt (K-means) kun klarte å estimere klassene med en nøyaktighet rundt 50 %.

Electron Paramagnetic Resonance (EPR) is a spectroscopic technique, which records spectra suited to estimate radiation doses, so-called EPR dosimetry. EPR dosimetry measures the relative number of free radicals in a material, which is proportional to the absorbed dose. Most of the free radicals are short-lived at room temperature. This is a challenge for EPR dosimetry. A material often used in dosimetry is the amino acid L-α-alanine. Alanine is suitable for planned exposures, but not necessarily for accidental exposures. One materials, which might be suited as a dosimeter in accidents is Gorilla® Glass, which is used in touch screen. This Master thesis investigates EPR spectra of irradiated alanine and Gorilla® Glass samples. The alanine data set contains EPR spectra of 19 irradiated alanine samples exposed to different temperatures and heating time. It has been assumed that at least three radicals (R1, R2 and R3) occur in irradiated alanine and that they react differently to heating. The purpose of this thesis is to identify the EPR spectra of the radicals, using several statistical methods for decomposing alanine spectra to scores and loadings. The loadings from the methods have been analysed with the goal of identifying and comparing the loadings to the theoretical radical derived from measurements and quantum-mechanical simulations. The methods Multivariate Curve Resolution (MCR), Maximum Likelihood Common Factor Analysis (MLCFA) and Self-modelling Mixture Analysis (SMA) gave estimates of the radicals’ spectra similar to the theoretical spectra, and may therefore be suitable methods for estimating the R1, R2 and R3 spectra. On the other hand, the methods Principal Component Analysis (PCA) and Independent Component Analysis (ICA) did not identify the component spectra. The EPR spectra of alanine were preprocessed with several techniques without giving any differences in the identified components. The fraction of the R1 radical was found to decrease and the fraction of radicals R2 and R3 were found to increase with increasing heating time, but the estimated percentages did not agree with the literature. The Gorilla® Glass data set contained EPR spectra from nine samples of Gorilla® Glass irradiated with doses in the interval 0-10 Gy. The aim in this thesis was to make regression models based on EPR spectra with goal of predicting doses given to touch screens and to make classifications models to separate samples into groups based on absorbed doses. Principal Component Regression (PCR) and Partial Least Squares (PLS) gave almost identical regression model. Both are therefore partially suited to estimate doses with leave-one-out cross-validation. The least squares method overfitted the samples and should therefore not be used. The variable selection methods lasso, interval PLS (IPLS) and variable variance were tested, to find the best variables to predict doses. However, the doses were often incorrectly predicted. For cross-validation, Linear Discriminant Analysis (LDA) using the Mahalanobis distance classified the samples into high dose and low dose groups with 100 % accuracy. Partial Least Squares for Discrimination Analysis (PLSDA) and the K-means algorithm had a classification accuracy of around 50 %.