EXPRESS: Perfilamiento molecular semi-cuantitativo de espectroscopia Raman mejorada por superficie con una red neuronal convolucional

Área de la Ciencia:

• Química analítica
• Espectroscopia
• Análisis biomolecular

Sus antecedentes:

• La dispersión de Raman mejorada por superficie (SERS) ofrece una identificación molecular sensible y libre de etiquetas.
• El análisis de mezclas complejas con múltiples analitos presenta desafíos significativos.
• La detección y cuantificación simultáneas en diversas matrices requieren herramientas analíticas avanzadas.

Objetivo del estudio:

• Desarrollar un marco analítico integrado que combine SERS con el aprendizaje automático para la identificación y cuantificación de múltiples analíticos.
• Para abordar los desafíos de analizar muestras biológicas complejas.
• Establecer un método sólido para la detección precisa de biomarcadores en las mezclas.

Principales métodos:

• Integración de la espectroscopia SERS con un marco jerárquico de aprendizaje automático.
• Utilizó una red neuronal convolucional de aprendizaje profundo (CNN) para la discriminación de analitos.
• Se utilizó un modelo de regresión del vector de soporte (SVR) para el análisis de la concentración semi-cuantitativa.

Principales resultados:

• El método SERS-CNN-SVR demostró una robusta precisión de clasificación para analíticos estructuralmente similares.
• Se logró una detección precisa de ácidos grasos de cadena corta (SCFA) en concentraciones fisiológicamente relevantes.
• Se observó un rendimiento consistente tanto en medios acuosos simples como en entornos complejos de cultivo celular.

Conclusiones:

• La metodología integrada SERS-CNN-SVR ofrece una solución viable para el análisis avanzado de mezclas.
• Este enfoque permite la identificación precisa y la cuantificación de múltiples biomarcadores.
• El marco muestra potencial para aplicaciones que requieren detección sensible en sistemas biológicos complejos.