ДАННЫЕ ФАКТОРНОГО АНАЛИЗА О СТРУКТУРЕ ЩИТОВИДНОЙ ЖЕЛЕЗЫ CANIS FAMILIARIS ПРИ РАЗЛИЧНЫХ ПАРАМЕТРАХ ОКРУЖАЮЩЕЙ СРЕДЫ

Использование факторного анализа при построении математических моделей позволяет выявить скрытые взаимосвязи изучаемых переменных. Структурная организация щитовидной железы характеризуется гистотопографическими особенностями взаимоотношений функционального (фолликулы) и регуляторного (С-тироциты, тучные клетки) звеньев отдельных зон органа и их динамической пластичностью у животных под воздействием сезонных, гелиомагнитных и геомагнитных влияний. Цель исследования - оценить гистотопографическую организацию структурных элементов щитовидной железы собак (Canis Familiaris) под воздействием различных условий годовых сезонов окружающей среды. Объект исследования послужили оцифрованные поперечные срезы центральной части правой доли щитовидной железы домашних собак-самцов (n=16). Для исследования влияния метеорологических факторов на структуру железы получение материала осуществляли в зимний и летний сезоны года по 8 животных на каждый. Гистологическому анализу подвергались срезы, окрашенные различными методами (гематоксилином и эозином, азуром-II-эозином), включая иммуногистохимические (С-тироциты, фибронектин, PCNA - proliferating cell nuclear antigen, тиреоглобулин, фактор фон Виллебранда). В программе ImageJ после предварительной геометрической и фотометрической калибровки измеряли площадь и оптическую плотность клеточных и тканевых структур щитовидной железы, в том числе, относительно центра во всех ее зонах. Исследовалось 67 переменных, объединенных в группы экзогенных, эндогенных организменных и эндогенных органных признаков. Было выделено 10 факторов, оказывающих влияние на 77% общей дисперсии анализируемых параметров. Состав факторов представлен следующим образом: фактор 1 включает количественные показатели С-тироцитов (16,7% общей дисперсии). Фактор 2 представлен количественными и функциональными показателями тучных клеток (13,7% дисперсии). Фактор 3 характеризует состояние функционального звена органа – фолликулов (12,9% дисперсии); четвертым фактором является степень насыщенности гранулами С-тироцитов (7,69% дисперсии). Наконец, сезонные влияния окружающей среды (продолжительность светового дня, среднесуточная температура вместе с индексом пролиферативной активности клеток формируют пятый фактор (5,85% дисперсии признаков).

1. Abduvaliev A, Saydalieva M, Hidirova M et al. Mathematical Modeling of the Thyroid Regulatory Mechanisms. Am J Med Sci Med. 2015;3(3):28-32. https://doi.org/10.12691/ajmsm-3-3-1

2. Kolpak EP, Terekhina EI. Matematicheskaya model' funktsionirovaniya shchitovidnoy zhelezy. Molodoy ucheny. 2018;4(190):1-7. In Russian

3. Kalmin OV, Kalmin OO. Mathematical Modeling of Morphometric Parameters of Thyroid Gland Structure. Moscow Workshop on Electronic and Networking Technologies, MWENT 2020 - Proceedings, Moscow, 11-13 marta 2020 goda. – Moscow. 2020;9067485. https://doi.org/10.1109/MWENT47943.2020.9067485

4. Borovikov VP. Populyarnoe vvedenie v sovremenny analiz dannykh i mashinnoe obuchenie na STATISTICA. Moskva: Goryachaya liniya-Telekom. 2024. – 354s. In Russian

5. Howard MC. A systematic literature review of exploratory factor analyses in management. J Bus Res. 2023;164(1):113969. https://doi.org/10.1016/j.jbusres.2023.113969

6. Bezdenezhnykh AV, Goncharov VV. Faktornaya model' strukturnoy organizatsii shchitovidnoy zhelezy pri dlitel'nom bege. Sovremennye problemy nauki i obrazovaniya. 2025;1. In Russian. https://doi.org/10.17513/spno.33895

7. Bezdenezhnykh AV, Petrova NI. Metodika topicheskoy diagnostiki morfologicheskikh parametrov shchitovidnoy zhelezy. Morfologija. 2000;114(4):91-94. In Russian

8. Kulaichev AP. Metody i sredstva kompleksnogo statisticheskogo analiza dannykh: uchebnoe posobie. 5-e izd., pererab. i dop. M.: INFRA-M. 2022. – 484s. In Russian

9. Trendafilov N, Hirose K. Exploratory factor analysis. In book: In International Encyclopedia of Education (Fourth Edition). Elsevier Science. 2023;600-606. https://doi.org/10.1016/B978-0-12-818630-5.10015-6

10. Fávero LP, Belfiore P. Principal Component Factor Analysis. In book: Data Science for Business and Decision Making. Academic Press. 2019;383-438. https://doi.org/10.1016/B978-0-12-811216-8.00012-4