CC BY
39
вела к росту (р<0,05) суммарной спектральной мощности регистрируемой электрической активности воды и воздуха, по сравнению с присутствием этого испытуемого. Возрастание (р<0,05) суммарной спектральной мощности активности воды при отсутствии испытуемых РИБ и КАН по сравнению с их присутствием было зарегистрировано практически на всех этапах звучания фрагментов, а суммарная спектральная мощность электрической активности регистрируемая в воздухе достоверно уменьшалась (р<0,05). У испытуемых МАФ и ГВА отмечена прямо противоположная реакция: при их отсутствии суммарная спектральная мощность электрической активности воды достоверно уменьшалась (р<0,05), в то время как дистанционно зарегистрированная суммарная спектральная мощность электрической активности воздуха, не зависимо от эмоциональной окрашенности музыкального воздействия, значимо возрастала (р<0,05).
"приятная" музыка
мощность, mcv2 дельта диапазон
неприятная музыка
мощность, mcv2 дельта диапазон
8.000000
6.000000
4.000000
2.000000 0.000000
мощность, mcv2 дельта диапазон
6.000000 и *
гП сП fh
3
минуты
"приятная" музыка
мощность,т^2 дельта диапазон
"неприятная" музыка
минуты
Рис.2. Показатели спектральной мощности регистрируемой дистанционно электрической активности воды и воздуха в дельта диапазоне в присутствии (светлые столбцы) и отсутствии (темные столбцы) испытуемых в экспериментальной комнате. * - достоверность различий (р<0,05) по отношению к присутствию испытуемых в экспериментальной комнате.
Проведенные нами исследования выявили влияние эмоционального воздействия испытуемых на дистанционные изменения суммарной спектральной мощности электрической активности воды и воздуха. При анализе изменений отдельных частот спектров дистанционных изменений электрической активности воды и воздуха как в присутствии, так и в отсутствии испытуемых были выявлены наиболее выраженные различия в ответ на эмоционально переживаемую музыку в дельта диапазоне (рис.2). Различия дистанционных реакций электрической активности воды и воздуха в дельта-диапазоне при отсутствии испытуемых
отмечены на начальном этапе звучания «приятнои» музыки, а также на всех этапах звучания «неприятной» музыки.
Выявленные нами дистанционные изменения суммарной спектральной мощности и отдельных частотных диапазонов электрической активности воды и воздуха в присутствии и в отсутствие испытуемых на отдельных этапах обследования, носили, сугубо индивидуальный характер и, вероятнее всего были обусловлены различным психоэмоциональным состоянием испытуемых в процессе предъявления им субъективно «приятной» и «неприятной» музыки. Уменьшение или увеличение суммарной спектральной мощности электрической активности воды и воздуха и их отдельных частотных спектров, регистрируемых дистанционно не было связано с особенностями конкретных музыкальных фрагментов, независимо от того, как они субъективно оценивались испытуемыми: «приятный» или «неприятный». Полученные нами данные свидетельствуют о том, что эмоциональные состояния испытуемых, возникающие в ответ на предъявление им субъективно «приятной» и «неприятной» музыки распространяются в окружающую среду, существенно изменяя дистанционные реакции электрических параметров воздуха и воды. Все это подтверждает выдвинутую нами ранее гипотезу о дистанционном эмоциональном резонансе.
Литература
1. Бадиков В.И. Механизмы динамического взаимодействия эмоций в поведенческих актах: Дис. .. д.м. н.- М., 1986.
2. Бадиков В.И. и др. // ВНМТ.- 1999.- Т.6, №2.- 45^9.
3. Бадиков В.И. и др. / В кн. Энергоинформационные поля функциональных систем / Под ред. К.В. Судакова.- М., 2001.-С. 199-226.
4. Вода - космическое явление / Под ред. Ю.А. Рахмани-на, В.К. Кондратова.- М., РАЕН, 2002.- 427 с.
5. Гуменюк В.А. и др. Системный анализ корригирующего действия цветомузыки // Вестн. РАМН.- 1998.- №2.- С. 18-25.
6. Гуменюк В.А. и др. // Физиол. чел.- 2002.- №1.- С. 57
7. Зилов В.Г. и др. Элементы информационной биологии и медицины.- М.: МГУЛ, 2000.- С.177-237.
8. Смит С. // Вестник биофизич. мед.- 1994.- №1.- С. 3.
9. Hubner P. Abstr. 8 Intern. Montreux Congress on Stress, Switzer-land, 1996.
УДК 616.1:612.014.426
РАЗРАБОТКА НОВЫХ МЕТОДОВ ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ ПОРЯДКА - ОСНОВНАЯ ЗАДАЧА СОВРЕМЕННОГО СИСТЕМНОГО СИНТЕЗА И СИНЕРГЕТИКИ В ЦЕЛОМ
В.М. ЕСЬКОВ, О.Е. ФИЛАТОВА, С.А. ТРЕТЬЯКОВ*
Введение. Во многих науках (и особенно в биологии и медицине) задача выбора параметров порядка (ПП) и минимальной размерности фазового пространства состояний всегда основывалась на чистой эмпирике и стоила исследователям десятилетий а то и столетий научных изысканий. Однако сейчас именно эта задача и составляет основу системного синтеза и синергетики в целом, а ее решение сейчас требует формализации и более быстрых (по времени) методов выбора ПП. Для медико-биологических систем характерна очень сложная динамика процесса, протекание которого может зависеть от многих факторов, порой даже не поддающихся учету, анализу и исследованию вообще. Такая ситуация характерна для систем, динамика поведения которых может постоянно изменяться. Многие биосистемы имеют хаотическую динамику поведения, при которой можно говорить об аттракторах поведения биосистем в фазовых пространствах состояний, а описывать динамику объекта в рамках дифференциальных, разностных или других уравнений весьма затруднительно или невозможно. Особенно это касается задач сравнения массивов данных разных больных или больных с одинаковой нозологией, но в разных климатических условиях, или разных возрастов. В медицине для
Сургутский государственный университет, 628400, г. Сургут, Энергетиков 14, СурГУ, (3462)524822, e-mail: evm@bf.surgu.ru
4
б
4.000000 -
2.000000
0.000000
таких случаев ограничиваются статистическими методами, находят моду, медиану, доверительный интервал и т. д. Дальнейшее сравнение (для одного и того же объекта по данным полученным в разное время, группы объектов, но для разных времен, или для сходных болезней, но для разных групп больных), подобных медицинских процессов, условно называемых нами сейчас статистическими объектами (но они все-равно будут объектами с разными динамическими характеристиками) производят по параметрам статистической функции распределения или другими статистическими методами в рамках теории вероятности или математической статистики. Однако, если такие объекты имеют хаотическую динамику, то эти стандартные методы могут быть не достоверными. Нужны методы системного синтеза.
Возникают методы изучения биосистем и методы сравнения различных процессов или объектов, базирующиеся на теории хаоса и синергетике. Представим некоторые из этих подходов уже применяемых нами в медицине и биологии для решения задач диагностики и выбора оптимальных методов лечения.
Общие задачи идентификации параметров порядка и русел биосистем, находящихся в аттракторах состояний. Очень часто биосистемы, которые описываются вектором состояний организма человека (ВСОЧ) х = (x1, x2, xm f в m-мерном фазовом пространстве состояний (динамических признаков), могут находиться в условно стационарных состояниях. С позиции детерминистского подхода, такие стационарные режимы могут соответствовать условиям dx/dt=0, а x = const. Здесь вектор состояний х = x(t) = (x1, x2, xm )T должен иметь все стационарные значения своих координат и описывать динамику биоситемы как неизменной системы по координатам (по всем xi ) в m-мерном фазовом пространстве состояний. В идеале (гипотетически) любую биосистему можно рассматривать как находящуюся в стационарных режимах, но все это можно сделать только в рамках определенных допущений. Например, на малых интервалах времени г и в малых (ограниченных) объемах пространства можно считать, что ВСОЧ почти не изменяется, т.е. x - const, если организм пребывает в условиях саногенеза.
При этом мы будем пренебрегать возрастными изменениями, действием факторов среды и даже суточной ритмикой ВСОЧ, что делает его нестационарным. С позиций синергетики стационарными становятся параметры аттракторов ВСОЧ). Но если говорить о различиях между саногенезом и патогенезом, то в рамках этих допущений можно предполагать для саногенеза, например, x-const. В реальной ситуации этого никогда не бывает, так как все координаты ВСОЧ испытывают постоянное возмущение в течение дня, сезона, жизни человека. Показатели крови, ритма сердца, мозга, органов, биохимических показателей среды заставляет ВСОЧ пребывать в аттракторах хаоса, так как все параметры xi изменяются. Человек хаотически потребляет пищу, хаотически болеет, хаотически движется (и отсюда хаотически работает его нервно-мышечная система - НМС - и кардио-респираторная система - КРС - и хаотически изменяются параметры ВСОЧ, которые еще недавно мы пытались описывать в рамках стохастических подходов а порой и с детерминистских позиций [1, 2]. Весь процесс зарождения жизни, развития организма и его зрелости и старения (включая смерть) - это типичный хаос, т.к. для данного (одного!) индивидуума мы объективно не можем составить статистику. Даже если будем собирать (измерять) его параметры xi каждодневно, то каждый раз мы будем иметь дело с другим человеком, т.к. его организм постоянно меняется. Для таких объектов уместно сразу пользоваться понятиями параметров аттракторов, внутри которых движется ВСОЧ на данном интервале времени, для данного индивидуума. Другое дело, что на коротких интервалах времени наблюдения, когда условно можно считать выполнимыми условия dx/dt = 0 или мы имеем небольшой стохастический разброс, то для таких процессов достаточно статистических методов исследования. Однако, даже в таких (условно обозначаемых нами стационарных режимах - СР), т.е. почти постоянных режимах, ВСОЧ может испытывать серьезные возмущения и находиться в хаотических режимах саногенеза или патогенеза.
Такой класс задач, называемый нами задачи СР хаотического состояния биологических динамических систем (БДС), не требует идентификации математических моделей исследуемых биосистем и в ряде случаев бывает достаточно решить задачу
идентификации параметров аттракторов состояния ВСОЧ только по анализу выборок (групп сравнений), при dx / dt = 0.
Нейрокомпьютерные технологии в идентификации ПП для ВСОЧ. Проще всего указанные задачи решаются в рамках методов нейрокомпьютерных технологий. Например, можно поставить задачу, чем отличаются женщины с гестозами в ХМАО-Югре или Тульской области. Или же отличаются такие больные только в Югре, но при этом у них возраст отличен, или у них имеются сопутствующие другие патологии (сахарный диабет 2-го типа или другие гормональные расстройства).
Подобные задачи имеют два общих признака: у них должно быть dx / dt = 0 (хотя бы на малом интервале времени г) и они должны образовывать разные группы испытуемых (пациентов). Эти группы могут отличаться по полу, возрасту, наличию других болезней, суточной ритмике (например, работа в ночную смену) или вообще различаться по условиям пребывания в экосреде.
В любом случае мы как бы имеем дело со стационарными условиями (стационарными группами), но эти группы имеют отличия существенные или даже не существенные (с позиций медицины), но методы синергетики и теории хаоса могут выделить эти отличия и даже дать им количественную оценку.
Последнее происходит, если мы поставили перед нейроэмуляторами или нейро-ЭВМ задачу не только идентифицировать различия между несколькими классами (группами) больных или здоровых испытуемых, но и провести анализ весовых значений, используемых диагностических признаков xi, а также если мы попытаемся некоторые из них убрать. В последнем случае, если нейрокомпьютер по-прежнему будет разделять классы (группы) больных или здоровых, можно говорить о понижении размерности m исходного фазового пространства, т. е. переходу m к к, где к < m. Последнюю процедуру можно повторять многократно и в конечном итоге получить параметры порядка для того или иного заболевания. Представленная процедура относится к классическим стационарным режимам, т.е. и в математическом отношении (dx/dt = const), и в биологическом отношении мы имеем некоторый стационарный режим. Альтернативой такому состоянию биосистем является периодический режим или переходные режимы. Последние в наших исследованиях получаются искусственно, например, путем возмущения биосистемы, находящейся в СР, путем внешнего воздействия. В биологии такие ситуации создаются экспериментально, а в медицине любое заболевание можно рассматривать как возмущение, переводящее ВСОЧ из одной области фазового пространства в другую На промежутке длиной в жизнь такие переходы ВСОЧ наблюдаются постоянно и закономерно. Они нами рассматриваются как движение к некоторому мортальному аттрактору [1, 2].
3. Системный синтез в рамках компартментно - кластерного подхода. Рассматривая жизнь человека как набор дискретных СР и моментов переходов от одних аттракторов к другим, мы можем говорить о синергетической трактовке в поведении любой биосистемы, образующей организм человека и об организме в целом как сложной динамической системе, находящейся в аттракторах состояний в условиях постоянных внешних воздействий (возмущений ud). Внешние возмущения переводят биосистемы в другие СР или в другие режимы функционирования и эти переходные режимы могут тоже быть изучены и смоделированы. Один из подходов в изучении сложных (синергетических) систем основан на бихевиористическом подходе, когда мы оперируем системой «черный ящик» и у нас имеются только входные функции и = u (t) и выходные функции у = y (t). Причем, последние из-за дискретности в наблюдаемых выходных сигналах (период дискретизации г = 1) становятся, фактически, марковскими параметрами yi , по которым возможно построение моделей изучаемых биосистем и их анализ [1, 3].
Такой подход обеспечивает анализ степени синергизма (расчет коэффициента асинергизма х), интервалов устойчивости биосистем и на их основе возможна идентификация параметров порядка и минимизация размерности фазового пространства, т.е. переход от m к к ( к < m). Алгоритмы всех выше перечисленных процедур мы неоднократно представляли в различных публикациях (в том числе и монографиях [1, 3]). Однако клинические результаты применения разработанных нами теорий требуют значительного и обширного распространения [1, 2].
В рамках такого подхода любое заболевание - это внешний возмущающий фактор, который в рамках компартментно - кла-
(1)
стерной теории биосистем - ККТБ будет описываться некоторыми моделями вида:
&х / & = Л(у) - Ьх + п& У = Сх
Эти модели в виде систем дифференциальных уравнений (в векторно - матричной форме) хорошо описывают потоки, которые используются в клинической кибернетике. Однако в реальной ситуации мы работаем с дискретными моделями, т.к. измерения значений Хг, п&, у и других мы производим дискретно, через кванты времени т (обычно т=1).В медицине практически никто не работает с потоками, т.е. идентификация диагностических признаков (функциональная диагностика, биохимические показатели и т.д.) всегда производится дискретно. Например, при поступлении пациента в больницу и при выписке разово делается рентгеновский снимок. Реже такие измерения производятся несколько раз и в редких случаях производится непрерывное мониториро-вание (холтеровское мониторирование). Поскольку имеем дело с дискретными измерениями и дискретными моделями в виде разностных уравнений (РУ), был разработан специальный математический аппарат в виде компартментно-кластерной теории биосистем (ККТБ), метода минимальной реализации (ММР) и методов идентификации оптимальных моделей БДС в рамках компартментно-кластерного подхода.
Известно, что описание динамики поведения любых динамических систем может быть сведено к модельным представлениям структурно-функциональной организации этих систем. Априори можно утверждать, что существует некоторая математическая модель реальной БДС, которая достаточно точно будет представлять все основные динамические характеристики исследуемого биологического объекта. Однако в реальной ситуации идентификация такой базовой модели (БМ) - задача весьма сложная. Если БМ представлять в качестве «черного ящика», то по соотношению между входным (описывается слагаемым п& или Вп в наших моделях) воздействием (стимулом) и выходными характеристиками (функцией у=у() можно построить некоторую упрощенную новую модель, которая с заданной степенью точности может описывать динамику БМ и в этом смысле будет ей подобна. В рамках такого подхода можно решать задачу минимизации порядка новой модели, т.е. уменьшения размерности т вектора состояния х, где х С К™, что эквивалентно определению размерности подпространства к и идентификации параметров порядка хг данной БДС.
При использовании подхода «черный ящик» мы считаем, что структура и внутренние процессы исследуемой системы очень сложные. Поэтому полная их идентификация не производится, а выполняются эксперименты по идентификации некоторого линейного приближения вида:
х(г+1) = Лх() +Вп() (2)
У(г) = Сх(г),
где Л е К , В е К "х1 , С е К 1х" (при г = ,).
Здесь единичное ступенчатое входное воздействие п имеет
вид:
(1, г = 0 п(0 = 1 10, г > 0
(3)
а последовательность у(г) является последовательностью откликов системы {у(г), г=1,2,...} на входное воздействие п.
При проведении медицинских наблюдений и биологических экспериментов используется аппаратура, которая имеет свои величины погрешностей, которые с учетом стохастичности динамики самой БДС укладываются в пределы 5-10 % от величины амплитуды выходного сигнала. Эти величины имеют место и для нейросетей мозга, и для функциональных систем организма (ФСО) организма, и для других БДС. Поскольку повышение порядка т модели снижает величину погрешности идентификации, то, очевидно, делать эту погрешность менее 5 - 10 % просто нецелесообразно. Отсюда возникают два экспериментальных условия, которые можно математически сформулировать следующим образом:
1. Порядок размерности т идентифицируемого вектора состояний х (и матрицы А, которая должна иметь размерность т х
т, т.е. Л е Я™' ™), не должен превышать число 7 (т<7).
2. Погрешность идентификации матрицы А, ее инвариант и векторов В и С не должна быть >10% от величины выходного сигнала у (требование минимизации погрешности измерений).
Поскольку эти два требования дают взаимно противоположный эффект в отношении изменения величины т, то, очевидно, всегда должно существовать оптимальное значение, при котором порядок т минимальный. Это оптимальное значение размерности фазового пространства должно определяться с минимальной погрешностью, но не менее 5-10 %, которые дают сами физические методы измерения выходных параметров БДС, например, в нейрофизиологическом эксперименте.
Одновременно увеличение т не должно приводить к значениям т>7, т.к. повышается чувствительность модели к «дре-безгу»марковских параметров (по И. Пригожину). При выполнении этих двух условий возникает ситуация одинаковой (приблизительно) точности идентификации модели для разных порядков т. В этом случае мы требуем выполнения третьего условия. Оно заключается в том, что остается та модель, порядок которой совпадает с порядком предыдущей модели. Это требование неизменности порядка фазового пространства не является жестким, т.к. всегда имеется возможность начала устойчивого изменения структуры и параметров модели и переход ее в новое качество (БДС в точках бифуркаций).
Во всех этих случаях возможно получение оптимальных моделей исследуемых БДС в рамках выполнения трех указанных выше условий. Это позволяет идентифицировать явление синергизма в этих БДС, измерять интервалы устойчивости. В последнем случае для биосистем остаются приблизительно неизменные матрицы моделей А и их собственные значения.
Разработанный метод и программные продукты (НИИ Биофизики и медицинской кибернетики, г. Сургут и НИИ новых медицинских технологий, г. Тула), его реализующие, могут быть использованы в клинических исследованиях и наблюдениях для выбора оптимальных терапевтических и хирургических воздействий. Усли интервалы стабильности и синергизма ФСО пациентов широки и не подвергаются хаотическому «дребезгу», то мы можем успешно работать с пациентом. В противном случае возможны непредсказуемые и трагические исходы [1-4].
В общем случае необходим постоянный мониторинг порядка фазового пространства моделей БДС и неизменности инвариант матрицы А. Если эти две характеристики биосистем подвержены значительным изменениям, то любые лечебные действия могут привести к нежелательному исходу и надо добиваться стабилизации этих характеристик. Аналогичные выводы следуют и для животных, когда при кажущихся одинаковых биологических условиях проведения острого эксперимента мы получаем параметры БДС, далеко выходящие за интервалы 3-х сигм. Обычно такие результаты отбрасываются, но никакого объяснения таким фактам не дается. Теперь это можно объяснить в рамках разработанного метода идентификации моделей БДС.
Предложенная процедура отыскания минимальной размерности фазового пространства состояний БДС обеспечивает одновременное отыскание матриц А и моделей БДС, которые являются руслами. Отыскание границ изменения размерности А представляет методы идентификации областей джокеров, когда появляются бифуркации более высоких порядков. Такая процедура использовалась для системного синтеза КРС, НМС и РНС.
Нами доказано, что с возрастом и степень синергизма, и ширина интервалов устойчивости БДС у человека (ФСО, в частности) резко изменяются в сторону уменьшения. Молодежь (1520 лет) в ответ на резкие перепады температуры в зимний период не теряет полностью синергизм в системе регуляции КРС, а люди, прожившие 20 и более лет в ХМАО - Югре, находящиеся в возрасте 40 лет, теряют синергизм при резких температурных перепадах в зимний период.
Снижение степени синергизма, сужение интервалов устойчивости БДС, глубокий уход в тоническую фазу показателей фазатона мозга обуславливается, в частности, низкой степенью физической активности. Выполненные нами исследования показывают, что даже регулярное занятие спортом (что, как нами предполагалось, может привести к существенному изменению показателей фазатона мозга) протекает в особых, других условиях при проживании в ХМАО - Югре. Например, спортсмен в средней полосе РФ (Самара, Тула) перед тренировками находится в нормотонии (или даже несколько в тонической области ФМ), он расслаблен, не напрягается (индекс Баевского - ИБ - низкий,
показатели симпатической активности (СИМ) низкие, а парасимпатической (ПАР) - чуть завышены). Спортсмены г. Сургута приходят на тренировку с уже высоким исходным состоянием ИБ, СИМ и низким ПАР. Они исходно должны настроить себя психологически, для чего требуется напряжение параметров ФСО, перевод показателей фазатона мозга в фазическое состояние [1, 3, 4]. В этом томе журнала были представлены только основные методы идентификации ПП, но они отличаются разнообразием. Такие методы и алгоритмы успешно себя зарекомендовали в клинике нервных болезней и психиатрии, при диагностике и лечении женских заболеваний и нарушений со стороны метаболических процессов, в изучении патофизиологии процессов старения и ранней смертности жителей Севера РФ. Этот круг сейчас расширяется и мы надеемся на более широкое внедрение наших методик не только в медицину, но и в экологию человека, теорию эпидемий и многие другие биомедицинские науки.
Литература
1. Еськов В.М. и др. Синергетика в клинической кибернетике.- Ч. 1. . - Самара: ООО «Офорт», 2006.
2. Еськов В.М. и др. Введение в системный синтез. // ВНМТ.- 2006 - Т. XIII, № 3.- С. 11-14.
3. Информационные технологии в медицине: Монография / Хадарцев А. А. и д]. - Тула, 2006. - 272 с.
4. Системный анализ, управление и обработка информации в биологии и медицине. Ч. VI. / Под ред. А.А. Хадарцева, В.М. Еськова.- Самара: Офорт (гриф РАН), 2005.- 153 с
УДК 616.61:546.3
ПРОФИЛАКТИКА ПРОЯВЛЕНИЙ ТОКСИЧЕСКОЙ НЕФРОПАТИИ, ВЫЗВАННОЙ ТЯЖЕЛЫМИ МЕТАЛЛАМИ (ХЛОРИДОМ КОБАЛЬТА,
ХЛОРИДОМ РТУТИ), С ПОМОЩЬЮ ПРИМЕНЕНИЯ ЦЕОЛИТОПОДОБНЫХ ГЛИН ИРЛИТОВ
В.Б.БРИН, М.Р.БУЗОЕВА, Э.М.ГАГЛОЕВА*
Одним из основных путей экскреции тяжелых металлов из организма является мочевыделение, они, накапливаясь в ткани почек, обладают способностью вызывать структурные и функциональные повреждения органа [5]. В связи с этим актуальной является проблема разработки методов профилактики поступления и токсического действия тяжелых металлов, а также их активного выведения из организма. С этой целью используют различные детоксиканты, а в последние годы и природные минералы - цеолиты. На основе цеолитов созданы и разработаны некоторые энтеросорбенты последнего поколения [6].
Внимание нашей лаборатории привлекли цеолитоподобные глины РСО-Алании, названные «Ирлитами». Ирлиты относятся к категории морских глин. В зависимости от химсостава различают две разновидности: ирлит-1 и ирлит-7, представляющие собой полиминеральные образования. Обладая способностью поглощать загрязняющие взвеси, они имеют ю сорбционную способность, молекулярно-ситовые свойства, каталитическую и ионообменную способность [7]. В нашей лаборатории в экспериментах на крысах ранее было показано, что применение ирлитов способствует уменьшению проявлений интоксикации солями кобальта и кадмия [1, 4], усиливает выведение кобальта, ртути и кадмия с калом при энтеральном введении [3, 4]. Использование ирлита 1 вызывает ослабление гемодинамических нарушений при хронической интоксикации солями тяжелых металлов [2].
Цель работы - изучение возможности профилактического влияния ирлитов на изменения основных процессов мочеобразо-вания и экскреции электролитов, а также структурные повреждения ткани почек в условиях внутрижелудочного введения хлорида кобальта и хлорида ртути в организм крыс.
Материал и методы. Работа проведена на 108 крысах-самцах линии Вистар массой 200-300г. У контрольных и опытных животных исследовали 6-часовой спонтанный диурез. Клубочковую фильтрацию определяли по клиренсу эндогенного креатинина, рассчитывали канальцевую реабсорбцию воды.
Северо-Осетинская госмедакадемия; институт биомедицинских исследований ВНЦ РАН и Правительства РСО-Алания
Концентрацию креатинина и кальция в моче и плазме крови, а так же белка в моче определяли - спектрометрически, концентрацию натрия и калия в моче и плазме крови - методом пламенной фотометрии. Результаты всех серий опытов обработаны статистически с применением критерия «1» Стьюдента на ПЭВМ Реп1;іит-3 с использованием программы РгІ7ша 2.2. Через 2 месяца после окончания экспериментов крысы забивались с использованием гексеналового наркоза для исследования плазмы и тканей. Морфологическое исследование тканей (почки, печень, сердце и головной мозг) проводилось в парафиновых срезах, окрашенных гематоксилином - эозином.
Опыты с хлоридом кобальта. Раствор хлорида кобальта в дозе 0,2мг/кг (в расчете на металл) вводили интрагастрально каждый день в течение двух месяцев. Взвесь ирлита (6%) вводили в количестве 2,5% массы тела через зонд в желудок через день в течение 2-х месяцев. Исследования проводили в 5 группах экспериментальных животных по 12 крыс в каждой. Первая группа - интактные крысы (фон); вторая группа - крысы с интра-гастральным введением хлорида кобальта в дозе 0,2 мг/кг; третья группа - крысы с параллельным внутрижелудочным введением 0,2 мг/кг хлорида кобальта и 6% взвеси ирлита-1; четвертая группа - животные с введением 6% взвеси ирлита-7 и 0,2 мг/кг хлорида кобальта; пятая группа - крысы с интрагастральным введением 0,2 мг/кг хлорида кобальта и смеси (1:1) ирлит 1+7.
Опыты с использованием хлорида ртути. Экспериментальные животные были разделены на 4 группы: 1-я контрольная группа - интактные крысы; 2-я контрольная группа - крысы с внутрижелудочным введением 6% раствора глины Ирлит-1 в количестве 2.5% массы тела через день; 3-я группа - крысы Вистар с энтеральным введением в течение двух месяцев хлорида ртути в дозе 0,1 или 0,5 мг/кг (в расчете на металл) в день; 4-я группа - животные, получавшие энтеросорбент Ирлит-1 на фоне хронической интоксикации хлоридом ртути в тех же дозах.
Результаты. Опыты с использованием хлорида кобальта. Исследования показали, что в условиях спонтанного диуреза у опытных животных с внутрижелудочным введением хлорида кобальта диурез остается сниженным на протяжении всего времени эксперимента, и лишь спустя 2 месяца введения несколько восстанавливается. Дополнительное применение ирлита-1 и смеси ирлит 1+7 приводит также к снижению объема спонтанного диуреза за счет снижения скорости клубочковой фильтрации, при высоких значениях канальцевой реабсорбции воды. Параллельное введение ирлита-7 позволило сохранить объем диуреза на уровне фоновых значений (рис. 1).
Спонтанный диурез
і і фон
I---10,2 мг/кг СоСІ2
ИСоСі2 + Ирлит-7 — СоСІ2 + Ирлит-1 1=1 СоСІ2 +Ирлит1 + 7
2 месяца введения
Рис.1. Влияние ирлитов на сдвиги спонтанного диуреза в условиях двухмесячного их введения вместе с хлоридом кобальта в дозе 0,2 мг/кг
Экскреция натрия в условиях спонтанного диуреза у животных с введением соли кобальта достоверно снижалась (р<0,001). В группах крыс с введением хлорида кобальта и ирли-та-1 и смеси ирлит1+7 наблюдается снижение экскреции натрия и относительно фоновых животных (р<0,001) и относительно 2-й группы животных (р<0,001). Показатели экскреции натрия у животных с применением ирлита-7 были выше (р<0,001), чем во второй группе и приближались к фоновому уровню (рис.2).
В течение всего эксперимента в условиях спонтанного диуреза у животных с введением только соли кобальта не было выявлено достоверных изменений в экскреции кальция относительно фона. В группе крыс с интрагастральным введением Ирлита-1 и смеси Ирлит1+7 и применением хлорида кобальта отмечается резкое снижение выведения кальция с мочой (фон -0,211±0,047; ирлит1 и кобальт - 0,128±0,012; ирлит1+7 и кобальт - 0,127±0,0085 мкмоль/час/100 г.).
Менее выраженно снижается экскреция кальция у животных с параллельным введением хлорида кобальта и ирлита-7
0.05
0.00
