Метод сухих пятен крови

Метод сухих пятен крови (СПК) – это способ взятия и анализа крови, при котором для исследования берется всего одна капля крови из пальца, которая наносится на специальную карточку и высушивается. Такая технология заменяет традиционные пробы венозной крови на более простую и удобную. 

Далее пробу исследуют с помощью высокоточного метода - жидкостной хроматографии с масс-спектрометрией. Для пептидного допинга метод оптимизирован на высокую чувствительность, что позволяет обнаруживать малые количества веществ. 

Основное преимущество метода СПК – простота забора, транспортировки и хранения проб: сухие пятна крови стабильны при комнатной температуре и легко пересылаются обычной почтой. Это делает метод удобным для массовых исследований и в условиях, где забор венозной крови затруднён. Результаты могут использоваться для постоянного мониторинга данных Биологического паспорта спортсмена, выявляя любые отклонения. 

Источник: Swiss Sport Integrity

Изотопный обмен как инструмент

Метод изотопного обмена представляет собой современный подход, позволяющий повысить точность идентификации запрещённых веществ. Ключевая идея метода – замена определённых атомов в молекуле (водород из гидроксильных, аминных и карбоксильных групп, а также кислород из карбонильных фрагментов) на их тяжелые изотопы, такие как дейтерий или кислород-18. Это приводит к сдвигу молекулярной массы, который зависит от количества таких замещённых атомов и служит уникальным маркером молекулярной структуры. 

Главное преимущество метода изотопного обмена – его независимость от параметров оборудования и условий анализа. Число обмениваемых атомов – это специфическая характеристика молекулы, которая помогает значительно уменьшить число возможных кандидатов при поиске вещества в базах данных. Особенно важен этот метод для различения структурных аналогов, изомеров, а также новых или модифицированных запрещенных препаратов, для которых нет эталонных спектров. 

В практической работе антидопинговой лаборатории сначала определяется точная масса и спектр фрагментации исследуемого соединения, затем проводится процедура изотопного обмена. Результаты обоих анализов вместе позволяют более быстро и надёжно идентифицировать вещество, снижая вероятность ошибок и существенно повышая достоверность. 

Yury Kostyukevich, Alexander Zherebker, Alexey Orlov, Oxana Kovaleva, Tatyana Burykina, Boris Isotov, and Evgeny N. Nikolaev, Analytical Chemistry 2020 92 (10), 6877-6885, DOI: 10.1021/acs.analchem.9b05379

ПЦР против генного допинга

Метод обнаружения генного допинга основан на выявлении остатков чужеродной генетической информации в организме спортсмена, а не самих допинговых белков, которые синтезируются в организме спортсмена под влиянием допинга и идентичны его собственным. Для этого используется сверхчувствительная полимеразная цепная реакция (ПЦР), специально адаптированная для поиска уникальных участков искусственной ДНК или РНК, доставленных вирусным вектором, несущим запрещённый ген (например, кодирующий эритропоэтин или инсулиноподобный фактор роста-1). 

ПЦР с помощью специально разработанных праймеров многократно амплифицирует количество копий этих уникальных последовательностей, позволяя обнаружить до 1-5 копий генетического материала на миллилитр крови. Современные протоколы могут также включать системы CRISPR-Cas как детекторы, что ещё больше повышает чувствительность и специфичность. Такой метод позволяет идентифицировать применение генного допинга, даже если сами вводимые белки неотличимы от естественных. 

Этот подход уже продемонстрировал эффективность на пилотных скринингах, выявляя случаи применения генного допинга примерно у 0.7% протестированных спортсменов. Он служит основой для борьбы с категорией M3 (Генный и клеточный допинг) Запрешенного списка Всемирного антидопингового агентства (ВАДА). 

Lu Y, Yan J, Ou G, Fu L. A Review of Recent Progress in Drug Doping and Gene Doping Control Analysis. Molecules. 2023 Jul 18;28(14):5483. doi: 10.3390/molecules28145483. PMID: 37513354; PMCID: PMC10386588. 

Искусственный интеллект в «Паспорте производительности»

Система «Паспорт производительности» представляет собой современный инструмент антидопингового контроля, основанный на использовании искусственного интеллекта (ИИ) для анализа больших объёмов данных о спортсменах с целью прогнозирования риска применения допинга. 

В её основе лежат алгоритмы, которые интегрируют разнообразные источники информации: традиционные показатели Биологического паспорта спортсмена, динамику результатов спортивной деятельности, параметры тренировочного процесса (объём, интенсивность, восстановление), а также данные об анамнезе подтверждённых нарушений. Эти данные поступают в обученные модели, способные выявлять скрытые зависимости и аномалии, недоступные простому статистическому анализу. 

Например, система фиксирует ситуации, когда наблюдается необъяснимый рост выносливости, совпадающий с подозрительными изменениями в гормональном фоне, либо резкое увеличение силы, которое не соответствует заявленному тренировочному режиму. Такие синхронные отклонения помогают выявлять спортсменов из группы риска, то есть с повышенной вероятностью применения запрещённых веществ. 

В рамках экспериментов, проводимых WADA, «Паспорт производительности» продемонстрировал точность прогнозирования около 89%. Более того, использование этой технологии позволяет сократить «период необнаружения» (интервал времени, в течение которого допинг остаётся невыявленным) примерно на 40% для таких веществ, как эритропоэтин и гормон роста.  

Ryoo, H., Cho, S., Oh, T., Kim, Y., & Suh, S. (2024). Identification of doping suspicions through artificial intelligence-powered analysis on athlete’s performance passport in female weightlifting. Frontiers in Physiology, 15. https://doi.org/10.3389/fphys.2024.1344340.

Hopker, J., Griffin, J., Brookhouse, J., Peters, J., Schumacher, Y., & Iljukov, S. (2019). Performance profiling as an intelligence-led approach to anti-doping in sports. Drug testing and analysis. https://doi.org/10.1002/dta.2748.

Rahman, M., Bejder, J., Bonne, T., Andersen, A., Huertas, J., Aikin, R., Nordsborg, N., & Maass, W. (2022). AI-based approach for improving the detection of blood doping in sports. ArXiv, abs/2203.00001. https://doi.org/10.48550/arXiv.2203.00001.